Comme l’objet de mesure était la professionnalisation des étudiants et des étudiantes (étape 1), la définition retenue est celle qui a été construite à partir d’écrits théoriques et de données empiriques issues d’études phénoménologiques menées antérieurement (Bélisle, 2011 ; Bélisle et al., 2021 ; Bélisle et al., 2022). La professionnalisation y est définie comme un processus dynamique d’apprentissage qui prépare à l’exercice d’une profession donnée et qui comprend trois dimensions : 1) le développement de compétences professionnelles, 2) l’appropriation de la culture professionnelle et 3) la construction d’une identité professionnelle.

Un bassin initial de 47 items a été généré (étape 2) à partir des définitions retenues pour chacune des trois dimensions et des éléments sous-jacents ayant émergé de nos recherches au regard de la professionnalisation. Pour chacune des dimensions présentées à la figure 2, l’équipe de recherche a formulé de 12 à 20 énoncés en prenant soin de respecter les trois caractéristiques suivantes : la spécificité, la concision et la clarté de chaque énoncé (DeVellis, 2016).

Pour ce qui est du choix d’un format de mesure (étape 3), l’équipe a décidé qu’elle inviterait les participants et les participantes à s’autoévaluer par rapport à chaque énoncé sur une échelle de Likert à sept niveaux, soit : 1) fortement en désaccord, 2) moyennement en désaccord, 3) légèrement en désaccord, 4) ni en accord, ni en désaccord, 5) légèrement en accord, 6) moyennement en accord et 7) fortement en accord. Ce format est souvent utilisé pour mesurer le degré d’accord de participants et des participantes avec des énoncés relevant de leurs opinions ou de leurs attitudes (DeVellis, 2016). Le nombre de niveaux a été choisi de façon à permettre une grande variabilité dans les réponses, tout en évitant un manque de discrimination ou une surcharge cognitive, comme cela pourrait être le cas au-delà de sept niveaux (Streiner et al., 2015). Par ailleurs, l’équipe de recherche a sélectionné un nombre impair de choix de réponses afin que les personnes ne sachant pas comment se positionner par rapport à un énoncé en particulier puissent choisir une réponse neutre (Sturgis et al., 2014).

La révision du bassin initial d’items (étape 4) a été réalisée par cinq personnes expertes de l’approche par compétences ou des formations professionnalisantes en milieu universitaire. À l’aide d’une échelle de réponse à trois niveaux, 1) en désaccord, 2) ni en accord, ni en désaccord et 3) en accord), elles ont jugé de manière indépendante chacun des énoncés en se basant sur les deux critères suivants : la pertinence de l’énoncé par rapport au construit théorique et la clarté de l’énoncé. Dans le cas où la personne experte se disait en désaccord ou ni en accord, ni en désaccord, elle devait expliquer sa réponse. À la suite de la compilation des réponses obtenues auprès des personnes expertes, l’équipe a apporté des modifications aux énoncés initialement formulés pour l’ensemble des trois dimensions. Ainsi, elle a reformulé quelques énoncés pour en accroître la clarté, éliminé 10 énoncés dont la pertinence ne faisait pas consensus et ajouté 11 énoncés afin que ceux-ci reflètent mieux les dimensions à l’étude. Une séance de travail commune avec les personnes expertes et l’équipe de recherche a ensuite eu lieu afin de présenter les modifications apportées aux énoncés du questionnaire et d’approuver, sur la base d’un consensus entre les cinq personnes expertes, les 48 items retenus pour l’échelle de mesure.

Nous avons effectué une pré-validation des 48 items retenus auprès d’un petit échantillon de répondants et de répondantes composé de 39 étudiants et étudiantes en physiothérapie. À la suite de cette passation, aucune modification n’a été nécessaire, reflétant ainsi une bonne compréhension des items de l’échelle par les répondants et les répondantes.

La professionnalisation n’était pas considérée comme un sujet de nature sensible, nous n’avons pas inclus d’item (étape 5) pour mesurer les biais éventuels de désirabilité sociale. Par ailleurs, à notre connaissance, aucune échelle de professionnalisation des étudiants et des étudiantes n’a été présentée antérieurement en contexte francophone ou anglophone. Nous n’avons donc pas été en mesure d’inclure une autre échelle pour apporter des preuves de relations de la nouvelle échelle avec d’autres variables de professionnalisation.

Pour tester cette échelle en développement (étape 6), nous avons ciblé les étudiants et les étudiantes provenant de 12 programmes d’études en sciences de la santé dans quatre universités québécoises. Ces programmes ont été sélectionnés à partir de trois critères traduisant les caractéristiques des formations dites professionnalisantes (Bélisle, 2011), soit 1) de préparer les étudiants et les étudiantes à l’exercice d’une profession donnée ; 2) de s’appuyer sur un profil de sortie clair et explicite (ex. : référentiel de compétences) et 3) de privilégier, à toutes les années de formation, des modalités d’apprentissage actif (ex. : simulation, apprentissage par problèmes, étude de cas, stage en milieu pratique) s’apparentant à des situations de la vie professionnelle et permettant aux étudiants et aux étudiantes de développer les compétences ciblées par la formation.

Suivant les recommandations des auteurs et des autrices dans le cadre de tests de validité, nous avons visé un rapport de cinq à dix participants et participantes par item (Costello & Osborne, 2005 ; DeVellis, 2016 ; Yong & Pearce, 2013), ce qui équivaut à un minimum de 240 participants et participantes pour les 48 items de l’échelle de mesure. À la suite de l’approbation du projet auprès du comité local d’éthique de la recherche, chaque responsable de programme a invité ses étudiants et ses étudiantes à participer au questionnaire en ligne présenté sur la plateforme SurveyMonkey. La collecte des données a eu lieu au printemps et à l’été 2021. La chercheuse principale et les professionnelles de recherche, toutes externes aux programmes d’études concernés par la recherche, ont géré et traité les données.

Après le nettoyage des données[1], l’échantillon initial comptait 561 participants et participantes, soit un taux de réponse de 12 %. Il a été subdivisé en deux échantillons de tailles équivalentes par une procédure de sélection aléatoire des données dans le logiciel SPSS (n1 = 290 et n2 = 271) afin de pouvoir procéder à des analyses factorielles exploratoires et confirmatoires sur des échantillons différents, comme le recommande la littérature (Fokkema & Greiff, 2017 ; Worthington & Whittaker, 2006). Ces tailles d’échantillon satisfont le ratio minimal recommandé de 5:1 par rapport au nombre d’items initiaux dans l’échelle de mesure. De plus, plusieurs personnes (Beavers et al., 2013 ; Maccallum et al., 1999 ; Worthington & Whittaker, 2006) soutiennent que des échantillons de 150 à 200 participants et participantes sont adéquats pour autant que les communautés et les saturations obtenues sur les facteurs sont suffisamment élevées.

Des tests d’indépendance du khi carré (α = 5 %) ont montré qu’il n’y avait pas de différence significative entre les deux échantillons pour les caractéristiques Genre (p = 0,17), Âge (p = 0,47), Année (p = 0,15) et Expérience professionnelle antérieure (p = 0,32). Comme l’indique le tableau 1, la majorité des personnes qui ont participé à cette étude s’identifient au genre féminin (n1 = 85,59 % ; n2 = 79,92 %), ont entre 21 et 25 ans (n1 = 63,53 % ; n2 = 69,80 %) et n’ont aucune expérience professionnelle antérieure (n1 = 69,78 % ; n2 = 76,52 %).

Afin d’évaluer les items de l’échelle (étape 7), le premier échantillon (n1 = 290) a d’abord été soumis à des analyses préliminaires (asymétrie, normalité, corrélations item-item et item-échelle) permettant ainsi d’orienter le processus d’évaluation subséquent. Puis, des analyses factorielles exploratoires (AFE) ont été réalisées à l’aide du logiciel SPSS 25 afin de déterminer la structure factorielle des données. Une optimisation de la longueur de l’échelle (étape 8) a aussi été effectuée à cette étape, selon les saturations des items sur leur facteur. Puis, une analyse de cohérence interne a été réalisée pour chaque facteur de l’échelle résultante. Par la suite, des analyses factorielles confirmatoires (AFC) ont été effectuées sur le second échantillon de données (n2 = 271) afin de confirmer la structure factorielle préalablement identifiée (Worthington & Whittaker, 2006). Ces analyses confirmatoires ont été réalisées avec le logiciel EQS 6.2 (Bentler, 2006).

La plupart des items présentent une légère asymétrie négative (asymétrie moyenne de – 0,87, minimum de – 1,80). Les résultats significatifs au test de Shapiro-Wilk (p = 0,000) soutiennent aussi l’hypothèse de non-normalité des données.

À la suite d’un examen préliminaire des données, 2 des 48 items (CU12 et ID11, voir l’annexe A pour le libellé de chaque item) ont été éliminés car ils présentaient des corrélations item-échelles faibles (corrélations complètes des éléments corrigés < 0,40) ainsi qu’un très grand nombre de corrélations item-item inférieures à 0,32 (DeVellis, 2016 ; Pituch & Stevens, 2016).

Les autres items présentent des corrélations item-échelles qui fluctuent entre 0,42 et 0,76 (moyenne de 0,62). D’autre part, aucun item ne présente de corrélation supérieure à 0,80 avec un autre item et les données ne présentent aucun signe de multicolinéarité (Bourque et al., 2007 ; Tabachnick & Fidell, 2007).

L’adéquation des données à des AFE a d’abord été vérifiée. L’indice de Kaiser-Meyer-Olkin (KMO) de 0,95 ≥ 0,7 suggérait un excellent ajustement des items aux facteurs latents sous-jacents (Beavers et al., 2013 ; Bourque et al., 2007). De plus, le test de sphéricité de Bartlett a produit un résultat significatif (p = 0,000 < 0,05), ce qui a confirmé que la matrice des corrélations des variables observées n’était pas une matrice identité et était donc factorisable (Beavers et al., 2013).

Puisque nous supposions une intercorrélation entre les dimensions relatives au construit théorique de professionnalisation des personnes, une extraction par factorisation en axes principaux avec rotation oblique (oblimin) a été réalisée (Worthington &Whittaker, 2006). L’AFE initiale a résulté en sept facteurs de valeurs propres 19,58, 3,41, 2,25, 1,86, 1,37, 1,25 et 1,08 > 1,00, qui expliquaient un total de 61,50 % de la variance partagée des données (après rotation). Toutefois, ces sept facteurs ne possédaient pas un sens conceptuel clair, d’après la matrice de forme après rotation. De plus, le tracé d’effondrement suggérait plutôt une structure en quatre ou cinq facteurs principaux. Par conséquent, de nouvelles AFE ont été réalisées en forçant le nombre de facteurs afin de déterminer la structure qui avait le plus de sens, d’un point de vue conceptuel. L’examen de la structure en cinq facteurs n’a cependant pas été concluant, puisque le cinquième facteur ne comportait que deux items à l’issue du processus d’élimination des items qui ne présentaient pas des communautés ou des saturations sur les facteurs suffisamment élevées (> 0,40).

En ce qui concerne la structure en quatre facteurs principaux, cinq items (CO1, CU14, ID5, ID10 puis ID2) ont été supprimés car ils présentaient des communautés faibles après rotation (< 0.40) avec les autres items (Worthington & Whittaker, 2006). Un item (CO11) a aussi été éliminé car il ne saturait significativement (0,40) sur aucun facteur (Worthington & Whittaker, 2006). À ce stade, la matrice de forme après rotation démontrait une structure simple en quatre facteurs aisément interprétables d’un point de vue conceptuel. Ceux-ci expliquaient respectivement 43,13 % (15 items), 6,67 % (9 items), 4,60 % (4 items) et 3,52 % (11 items) de la variance partagée des données, pour un total de 57,93 % après rotation (61,96 % avant rotation). Le premier facteur (F1) concerne l’acquisition de connaissances et le développement de compétences utiles à l’exercice de la profession. Le second facteur (F2) réfère à la construction de l’identité professionnelle, notamment les approches et les rôles privilégiés par la personne, mais aussi la connaissance de ses propres forces et de ses propres faiblesses. Le troisième facteur (F3), qui correspond au rapport à la société, concerne la compréhension et la valorisation de la profession par la société et par les autres groupes professionnels. Contrairement au cadre conceptuel sur la professionnalisation, les AFE indiquent que ce facteur, qui était à l’origine considéré comme un élément de l’identité professionnelle, se distingue nettement des autres facteurs. Le quatrième facteur (F4) désigne le développement de la culture professionnelle, à savoir la connaissance, l’adhésion et la mise en pratique des normes, des règles et des valeurs privilégiées dans la profession.

Étant donné le nombre d’items élevé pour les facteurs F1 (connaissances, compétences et préparation professionnelles), F2 (identité professionnelle) et F4 (culture professionnelle), ce qui résultait en une échelle de mesure assez longue de 40 items, nous avons aussi procédé à une optimisation de la longueur de l’échelle (DeVellis, 2016 ; Worthington & Whittaker, 2006). Ainsi, huit items (CO8, CO12, CU9, CU13, CU15, ID1, ID6, ID17) qui présentaient des saturations inférieures à 0,50 sur leur facteur ont été supprimés. L’échelle résultante comportait 13 items pour F1, 6 items pour F2, 4 items pour F3 et 9 items pour F4, pour un total de 32 items qui expliquaient 60,33 % de la variance partagée des données après rotation. Le tableau 2 présente les saturations et les communautés après rotation (h²) et carrés de corrélation multiple (R²) de l’échelle finale.

Le facteur F1, qui concerne l’acquisition de connaissances et le développement de compétences professionnelles, montre une corrélation forte avec le facteur de développement de la culture professionnelle (F4, r = 0,65), ainsi qu’une corrélation moyenne avec les facteurs de développement de l’identité professionnelle (F2, r = 0,34) et de valorisation de la profession par la société (F3, r = 0,41). Le facteur de développement de l’identité professionnelle (F2) est faiblement corrélé avec le facteur de valorisation de la profession par la société (F3, r = 0,14), mais montre une corrélation moyenne avec le facteur de développement de la culture professionnelle (F4, r = 0,47). Enfin, le facteur de valorisation de la profession par la société (F3) est moyennement corrélé avec le facteur de développement de la culture professionnelle (F4, r = 0,36).

Une analyse de cohérence interne a aussi été réalisée pour chaque facteur de l’échelle résultante. Les coefficients de Cronbach obtenus étaient de 0,95 (F1), 0,87 (F2), 0,88 (F3) et 0,92 (F4), ce qui confirme la très bonne cohérence interne des facteurs (a = 0,93 pour toute l’échelle). À l’exception d’un item (ID16), tous les items présentent aussi des carrés de corrélation multiple (R2) dont les valeurs sont supérieures ou égales à 0,50, signe d’une bonne proportion de variance commune avec les autres items du facteur auquel ils appartiennent (DeVellis, 2016 ; Worthington &Whittaker, 2006). L’item ID16 présentait toutefois un carré de corrélation multiple égal à 0,32 et de plus faibles saturations et communautés après rotation que les cinq autres items relatifs au facteur de développement de l’identité professionnelle (F2). Il sera donc à surveiller dans la suite des analyses. Par ailleurs, un examen de la matrice de corrélation a révélé que l’item CO4 de F1 présentait des corrélations supérieures à 0,60 avec deux items (CU5 et CU8) de F4. Cet item sera donc aussi à surveiller (Dussault et al., 2007).

Afin de confirmer la structure interne de l’échelle résultante, celle-ci a été soumise à des AFC sur le second échantillon de données. La méthode d’estimation du maximum de vraisemblance a été utilisée pour ces analyses, avec l’option Robust (dans le logiciel EQS) étant donné la non-normalité des données (Byrne, 2006). L’ajustement du modèle structurel théorique par rapport aux données (comparaison entre les matrices de covariance hypothétique et observée) a été évalué en tenant compte de divers statistiques et indices recommandés (Byrne, 2006 ; Jackson et al., 2009). La valeur de la statistique de khi carré de Satorra-Bentler est d’abord présentée (Satorra & Bentler, 1988), les écrits scientifiques recommandant un rapport x²/df inférieur à 3 pour un modèle acceptable (Jöreskog, 1993 ; Schreiber et al., 2006). L’indice d’ajustement comparatif (CFI – comparative fit index) et l’indice d’ajustement non normé (NNFI – non-normed fixed index) ont permis d’évaluer la qualité de l’ajustement du modèle théorique par rapport aux données, un modèle structurel étant considéré comme acceptable lorsque ces indices sont supérieurs à 0,90 (Bentler & Bonett, 1980 ; McDonald & Ho, 2002) et de très bonne qualité à partir de 0,95 (Hu & Bentler, 1999 ; Schreiber et al., 2006). La valeur moyenne quadratique pondérée (SRMR – standardized root mean square residual)) et l’erreur quadratique moyenne de l’approximation (RMSEA – root mean square error of approximation) ont été utilisées pour juger de l’inadéquation du modèle théorique par rapport aux données, celles-ci étant considérées comme acceptables lorsqu’elles sont inférieures à 0,08 et très bonnes lorsqu’elles sont inférieures à 0,06. Les statistiques et les indices d’ajustement sont présentés dans le tableau 3 pour les modèles testés.

Remarquons d’abord que tous les modèles testés présentaient un rapport x²/df de Satorra-Bentler inférieur à 2 qui peut être qualifié d’excellent, une SRMR inférieure à 0,08 acceptable et une très bonne RMSEA inférieure à 0,06. Toutefois, la structure théorique initiale à quatre facteurs (modèle 1) ne montrait pas un ajustement acceptable par rapport aux données puisque les valeurs des NNFI et CFI étaient inférieures à 0,90. Des tests de multiplicateurs de Lagrange ont ensuite mené à l’ajout de huit paramètres de covariance entre les résidus d’énoncés similaires d’un point de vue conceptuel et qui relevaient d’un même facteur de l’échelle. Le modèle résultant (modèle 2) montre cette fois un ajustement tout juste acceptable par rapport aux données, avec des NNFI et des CFI très légèrement supérieurs à 0,90 et un excellent RMSEA. Pour faire suite aux analyses de cohérence interne sur le premier échantillon dans lesquelles nous avions déterminé que les énoncés CO4 et ID16 seraient à surveiller, des modèles théoriques ont aussi été construits sans l’énoncé CO4 (Modèle 3), sans l’énoncé ID16 (Modèle 4) et sans les deux énoncés CO4 et ID16 (Modèle 5). Les indices d’ajustement obtenus montrent que ces modèles présentent un meilleur ajustement par rapport aux données empiriques, en particulier les modèles 4 et 5 (voir le tableau 3 pour les valeurs détaillées des indices). Enfin, un modèle de second ordre a aussi été testé, dans lequel les quatre facteurs de premier ordre sont reliés à un facteur unique de professionnalisation de second ordre (Modèle 6). Les énoncés CO4 et ID16 ne faisaient pas partie de ce modèle. Les indices d’ajustement obtenus pour le modèle de second ordre (modèle 6) sont quasi-identiques à ceux obtenus pour le modèle de premier ordre correspondant (modèle 5). Ceci suggère qu’un modèle de second ordre donne des résultats équivalents à un modèle de premier ordre, l’un ou l’autre pouvant par conséquent être utilisés selon les objectifs spécifiques des recherches.

Les saturations des items sur les facteurs sont illustrées à la figure 3 pour le modèle 5 de premier ordre et à la figure 4 pour le modèle 6 de deuxième ordre (sans CO4 et ID16), de même que les corrélations entre les facteurs. Les quatre facteurs démontraient aussi une très bonne cohérence interne, avec des coefficients de Cronbach de 0,94 (F1), 0,83 (F2), 0,86 (F3) et 0,89 (F4). La matrice des corrélations item-item pour l’É2 est présentée dans l’annexe A. Celle-ci montre que les corrélations entre les items d’un même facteur sont, de façon générale, plus élevées qu’avec les items d’autres facteurs. Aucun item d’un facteur ne présente de corrélation supérieure à 0,60 avec un item d’un autre facteur. De plus, toutes les corrélations complètes des éléments corrigés (item-échelle) sont supérieures à 0,50, signe d’une bonne corrélation entre les items qui appartiennent à un même facteur de l’échelle.

Malgré la robustesse des résultats, cette étude comporte certaines limites. Tout d’abord, l’échelle de mesure a été testée uniquement auprès d’une population inscrite dans des programmes en sciences de la santé. La majorité des personnes qui ont participé sont des femmes en première année d’études, âgées entre 21 et 25 et n’ayant aucune expérience professionnelle antérieure. En conséquence, les résultats auraient pu être différents avec des échantillons présentant des caractéristiques sociodémographiques différentes et provenant d’autres programmes. Ainsi, pour tendre vers une généralisation des données, il faudrait réaliser de nouvelles analyses factorielles exploratoires et confirmatoires du modèle théorique de la professionnalisation des personnes auprès d’autres groupes d’étudiants et d’étudiantes suivant d’autres programmes professionnalisants, par exemple en génie ou en sciences humaines et sociales. Les énoncés relatifs aux dimensions de la professionnalisation sont suffisamment génériques pour permettre une utilisation de l’échelle dans d’autres domaines de formation professionnalisante. Dans ce cas, il sera toutefois essentiel de situer les résultats au regard des éléments contextuels qui caractérisent le domaine et le programme de formation. Il faudrait également effectuer une évaluation de l’invariance de l’échelle dans le temps pour permettre d’étudier la trajectoire de l’évolution des apprentissages professionnels réalisés à divers moments du parcours de formation.

De plus, bien qu’ils aient satisfait le rapport minimal de cinq participants et participantes par item, les échantillons utilisés pour les analyses factorielles exploratoires et confirmatoires n’étaient pas très grands. Le nombre de participants et de participantes ayant été plus faible qu’anticipé, plusieurs hypothèses ont été avancées pour expliquer ce taux de participation en deçà de nos attentes. D’une part, étant donné que la collecte des données s’est déroulée d’avril à juillet 2021, il est possible que les effets de la transition entre le contexte exceptionnel de la pandémie et le retour à la normale aient influencé de différentes manières le recrutement (désorganisation et surcharge cognitive des étudiants et des étudiantes, reprise graduelle des activités régulières, sollicitation par le système de santé en pénurie de main-d’oeuvre, etc.). D’autre part, le recrutement a pu être entravé par d’autres occupations comme la fin de session, les emplois d’été, les stages, etc., qui coïncident avec la période de passation du questionnaire.

Toutefois, le fait que deux échantillons aient été utilisés pour procéder à des analyses exploratoires, puis confirmatoires a permis d’obtenir des preuves robustes de la structure factorielle du modèle de professionnalisation. Le modèle résultant comporte quatre dimensions clairement identifiées, qui sont pour la plupart moyennement corrélées entre elles. Des études futures pourraient apporter des preuves additionnelles de la structure factorielle du modèle, tout en étudiant plus précisément les interrelations entre ses différentes dimensions. Par exemple, il serait utile de préciser le rôle exact de la compréhension et de la valorisation de la profession par la société et par les autres groupes professionnels au sein du modèle global. Il serait aussi intéressant de déterminer si l’acquisition de connaissances et de compétences utiles à la profession précède le développement de la culture ou de l’identité professionnelle. Notamment, certaines des dimensions sont-elles plus développées dans les premières années des programmes de formation et d’autres, par la suite, ou se développent-elles toutes de façon similaire au fil des parcours des étudiants et des étudiantes dans les programmes ? Une étude longitudinale permettrait de documenter l’évolution du processus de professionnalisation en contexte de formation universitaire et de mieux comprendre la dynamique interne de la professionnalisation. Les résultats à l’échelle de mesure de la professionnalisation pourraient ainsi contribuer à accroître la cohérence entre les visées et les modalités de formation dans les programmes à visée professionnalisante.