Objectifs
Le projet consiste à utiliser les modèles issus de la théorie du comportement planifiés pour mesurer l’adoption durant la pandémie des comportements prudentiels et de leurs déterminants et de délivrer des recommandations personnalisées.
Bases théoriques
Cette une famille de modèles factoriels visant à évaluer l’impact de différent facteurs sur l’intention d’un comportement et le comportement effectif.
Theory of reasoned action (Fishbein & Ajzen, 1977). Selon cette théorie, le comportement des individus dépend des croyances relatives aux normes sociales et à celles relatives au comportement et à l’évaluation de celui-ci (attitude à l’égard du comportement)
Theory of planned behavior (Ajzen, 1991; Fishbein & Ajzen, 2011). Aux facteurs identifiés dans la TRA ; Azjen propose de prendre également en compte les croyances de l’individu en sa capacité à réussir (sentiment d’auto-efficacité). Ce sentiment est lié à la perception qu’un sujet peut avoir de la maîtrise personnelle notamment si dans des situations analogues, il a des expériences réussies, qu’il y est encouragé socialement ou qu’il a pu observer la réussite d’autres personnes dans ce contexte.

Application de ce type de modèles
L’application de ce type de modèle consiste dans un premier temps à définir la structure des facteurs, puis à évaluer ceux-ci à l’aide de questionnaire. Ils ont été employés dans des domaines très variés dont les principaux sont :
- L’enseignement, notamment pour la mesure de la perception de dispositifs d’enseignement ; persévérance dans les études (Buche et al., 2019; Park, 2009; Yi & Hwang, 2003)
- La publicité pour l’étude des comportements de consommation (Paul et al., 2016)
- Acceptation nouvelles technologie (site internet, utilisation d’application ou de solutions numériques comme les courriels ou les ebooks). (Jin, 2014)
- Enfin, celui qui nous concerne dans ce projet, la santé notamment pour l’étude de l’adhésion au port du préservatif, de l’arrêt du tabac ou de l’allaitement maternelle (voir pour une revue McEachan et al., 2016)
Une méta-analyse dans ce dernier domaine nous fournit un modèle assez général qui peut servir de base au présent travail :

Intérêts et faiblesses des modèles basés sur la théorie du comportement planifié
Pour une revue critique des intérêts et faiblesses de ce type de théorie, nous invitons à voir Giger (2008). Nous en rapportons ici les principaux points.
Puissance prédictive
C’est avant tout pour cet objectif que ces théories sont construites et les résultats montrent une robuste capacité à prédire l’intention comportementale et le comportement effectif dans des domaines très variés. Dans le cadre de notre projet, c’est le principal intérêt du modèle. Cependant plusieurs études montrent également une part importante de la variance inexpliquée, suggérant que les prédicteurs pris en compte doivent être étoffés (pour des revues voire (Armitage et al., 1999; Letirand & Delhomme, 2003). Le modèle le plus courant est un modèle additif où la probabilité d’un comportement est fonction de l’intention comportemental (Nache & Trudeau, 2000). Cette dernière peut être calculée en faisant la somme des produits du score de chaque composante avec le coefficient de régression correspondant
Dans cette expression, C est le comportement à prédire, I est l’intention comportementale. Les composantes sont respectivement l’attitude (ATT), les normes sociales (NS) et le contrôle perçu (PCC). C1, C2 et C3 désignent les coefficients de régression de chaque composante avec l’intention comportementale. Un telle formule correspond à la fois à l’idée que les composantes sont indépendantes et que la relation avec l’intention comportementale est unidirectionnelle. Si globalement, ce modèle a reçu de nombreux exemples congruents, le rapide tour sur la puissance explicative suggère que ce modèle est peut-être un peu trop simple et mériterait d’être retravaillé (Nache & Trudeau, 2000).
Puissance explicative
Ces modèles sont aussi conçus pour fournir un modèle explicatif, notamment causal qui se heurte à deux difficultés : l’indépendance des composantes et l’unidirectionnalité des relations entre elles (Sutton, 1998). Certaines études suggèrent que les composantes ne sont pas aussi indépendantes que le prévoit la théorie (Albarracín et al., 2001) et il y aurait matière à explorer les relations entre les composantes en amont de l’intention comportementale. Par ailleurs, certaines études suggèrent que cette dernière ne médiatiserait pas toujours le comportement (Bentler & Speckart, 1979; Manstead et al., 1983). Ces résultats conduisent à penser des relations plus complexes entre les composantes que celles qui sont habituellement décrites. Plusieurs études posent également la question de la bidirectionnalité des relations, l’intention et le comportement effectif pouvant avoir, par feedback, une influence sur les composantes (Eiser, 1994).
Falsifiabilité des modèles basés sur la TCP
Une des faiblesses de ce type de modèles est de ne reposer que sur une validation empirique à base de questionnaires, ce qui peut conduire à des biais d’auto-présentation où les sujets tendent à se montrer artificiellement consistants (Budd & Spencer, 1986). De plus la lecture des questions peut créer artificiellement des croyances qui sont supposées préexister (Cook et al., 2005) ou influencer la désirabilité du comportement cible.
L’autre faiblesse vient du niveau de généralité avec lequel les composantes sont définies et qui permet à ces dernières d’englober théoriquement tous les prédicteurs potentiels ce qui empêche la dérivation d’hypothèses falsifiables.(Nache & Trudeau, 2000).
Adaptation du modèle
Le modèle a été adapté pour notre étude. En plus des facteurs classiques (attitude, normes sociales et contrôle perçu) ont été ajouté trois groupes de variables médiatrices.

Le premier concerne la perception du risque lié à l’épidémie issue du modèle des croyances en matière de santé (Health belief model; (Bish et al., 2000) et dont nous faisons l’hypothèse qu’elle module l’attitude à l’égard des différents comportements prudentiels (plus le risque perçu est important plus l’attitude à l’égard du comportement prudentiel sera favorable). Le second facteur est la perception de la gestion collective de la pandémie (perceptions sociales). L’idée est que plus la gestion collective est en phase avec les normes sociales de l’individu (descriptives, injonctives et morales) plus le comportement cible sera acceptable. Enfin nous avons ajouté en amont du contrôle perçu, un facteur que nous avons appelé résilience et qui renvoie à la capacité perçue par le sujet à trouver des aides externes ou un comportement alternatif. Une capacité perçue de résilience importante renforce le sentiment de contrôle du comportement. Enfin en aval, nous avons, à l’instar de ce qui est fait dans les modèle d’adoption des nouvelles technologie (TAM pour Technology Acceptance Model ; Davis, 1989), ajouté deux dimensions qui correspondent à la facilité de mise en œuvre d’un comportement et à son utilité perçue (par exemple, les gestes barrière peuvent être considérés comme utiles, mais pas très pratiques à mettre en œuvre.
Elaboration des questionnaires & comportements cibles
Les questionnaires ont été élaboré en reprenant des items déjà validés pour la plupart dans littérature. Celle-ci étant essentiellement anglo-saxonne, il a fallu les traduire. Trois items ont été retenus pour chacune des dimensions, sauf l’intention comportementale qui est évaluée avec un seul item. Il a été élaboré un questionnaire pour chacun des trois comportements cible : le respect des gestes barrière (mais cela mériterait peut-être d’être décliné), le respect de la distance sociale et la limitation des déplacements. Certains items sont communs aux trois questionnaires, c’est notamment le cas que la perception du risque et des croyances à l’égard de la question collective, d’autres sont spécifiques aux comportements cibles. Le questionnaire comporte 53 questions. Toutes sont formulées sous forme de propositions pour être évaluées à l’aide d’une échelle de Likert accord/désaccord en 6 points.

Les données on été recueillies de mai à décembre 2020 et sont en cours d’analyse.
Bibliographie
Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision Processes, 50, 179‑211. https://doi.org/10.1016/0749-5978(91)90020-T
Albarracín, D., Johnson, B. T., Fishbein, M., & Muellerleile, P. A. (2001). Theories of reasoned action and planned behavior as models of condom use : A meta-analysis. Psychological Bulletin, 127(1), 142‑161. https://doi.org/10.1037/0033-2909.127.1.142
Armitage, C. J., Armitage, C. J., Conner, M., Loach, J., & Willetts, D. (1999). Different Perceptions of Control : Applying an Extended Theory of Planned Behavior to Legal and Illegal Drug Use. Basic and Applied Social Psychology, 21(4), 301‑316. https://doi.org/10.1207/S15324834BASP2104_4
Bentler, P. M., & Speckart, G. (1979). Models of attitude–behavior relations. Psychological Review, 86(5), 452‑464. https://doi.org/10.1037/0033-295X.86.5.452
Bish, A., Sutton, S., & Golombok, S. (2000). Predicting Uptake of a Routine Cervical Smear Test : A Comparison of the Health Belief Model and the Theory of Planned Behaviour. Psychology & Health, 15(1), 35. https://doi.org/10.1080/08870440008400287
Buche, M., Davis, L., & Vician, C. (2019). Does Technology Acceptance Affect E-learning in a Non-Technology-Intensive Course? Journal of Information Systems Education, 23(1). https://aisel.aisnet.org/jise/vol23/iss1/4
Budd, R. J., & Spencer, C. P. (1986). Lay theories of behavioural intention : A source of response bias in the theory of reasoned action? British Journal of Social Psychology, 25(2), 109‑117. https://doi.org/10.1111/j.2044-8309.1986.tb00709.x
Cook, A. J., Moore, K., & Steel, G. D. (2005). Taking a Position : A Reinterpretation of the Theory of Planned Behaviour. Journal for the Theory of Social Behaviour, 35(2), 143‑154. https://doi.org/10.1111/j.1468-5914.2005.00268.x
Davis, F. D. (1989). Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology. MIS Quarterly, 13(3), 319‑340. https://doi.org/10.2307/249008
Eiser, J. R. (1994). Attitudes, chaos and the connectionist mind (p. xv, 254). Blackwell Publishing.
Fishbein, M., & Ajzen, I. (1977). Belief, Attitude, Intention, and Behavior : An Introduction to Theory and Research. Philosophy and Rhetoric, 10(2), 130‑132.
Fishbein, M., & Ajzen, I. (2011). Predicting and Changing Behavior : The Reasoned Action Approach. Psychology Press. https://doi.org/10.4324/9780203838020
Giger, J.-C. (2008). Examen critique du caractère prédictif, causal et falsifiable de deux théories de la relation attitude-comportement : La théorie de l’action raisonnée et la théorie du comportement planifié. L’Année psychologique, 108(1), 107‑131. https://www.persee.fr/doc/psy_0003-5033_2008_num_108_1_30963
Jin, C.-H. (2014). Adoption of e-book among college students : The perspective of an integrated TAM. Computers in Human Behavior, 41, 471‑477. https://doi.org/10.1016/j.chb.2014.09.056
Letirand, F., & Delhomme, P. (2003). Augmenter la valeur predictive de la theorie du comportement planifie par l’evaluation de plusieurs options comportementales : Une application au comportement de vitesse sur la route. NOUVELLE REVUE DE PSYCHOLOGIE SOCIALE/NEW REVIEW OF SOCIAL PSYCHOLOGY, 2(3). https://trid.trb.org/view/967468
Manstead, A. S., Proffitt, C., & Smart, J. L. (1983). Predicting and understanding mothers’ infant-feeding intentions and behavior : Testing the theory of reasoned action. Journal of Personality and Social Psychology, 44(4), 657‑671. https://doi.org/10.1037/0022-3514.44.4.657
McEachan, R., Taylor, N., Harrison, R., Lawton, R., Gardner, P., & Conner, M. (2016). Meta-Analysis of the Reasoned Action Approach (RAA) to Understanding Health Behaviors. Annals of Behavioral Medicine, 50(4), 592‑612. https://doi.org/10.1007/s12160-016-9798-4
Nache, C., & Trudeau, F. (2000). Déterminants psychosociaux des comportements de santé : Approches théoriques et opérationnalisation en éducation pour la santé. Spirale – Revue de recherches en éducation, 25(1), 89‑109. https://doi.org/10.3406/spira.2000.1512
Park, S. Y. (2009). An Analysis of the Technology Acceptance Model in Understanding University Students’ Behavioral Intention to Use e-Learning. Journal of Educational Technology & Society, 12(3), 150‑162. JSTOR. https://www.jstor.org/stable/jeductechsoci.12.3.150
Paul, J., Modi, A., & Patel, J. (2016). Predicting green product consumption using theory of planned behavior and reasoned action. Journal of Retailing and Consumer Services, 29, 123‑134. https://doi.org/10.1016/j.jretconser.2015.11.006
Yi, M. Y., & Hwang, Y. (2003). Predicting the use of web-based information systems : Self-efficacy, enjoyment, learning goal orientation, and the technology acceptance model. International Journal of Human-Computer Studies, 59(4), 431‑449. https://doi.org/10.1016/S1071-5819(03)00114-9