WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Travail des enfants de 5-14 ans et rendement scolaire au Cameroun

( Télécharger le fichier original )
par Francky FOUEDJIO
Institut Sous-Régional de Statistique et d'Economie Appliquée - Ingénieur Statisticien 2008
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

CHAPITRE 4 : EFFET DU TRAVAIL DES ENFANTS SUR LE RENDEMENT SCOLAIRE

Les résultats préliminaires obtenus dans le chapitre précédent nous ont permis d'avoir une image relativement précise sur le travail des enfants en général autant que sur l'interférence de celui-ci avec le rendement scolaire en particulier. Le but de ce chapitre est d'analyser singulièrement l'effet du travail des enfants sur le rendement scolaire. Dans un premier temps, on effectue une factorielle discriminante pour mieux interpréter la façon dont les groupes d'enfants ayant négocié leur passage en classe supérieure et ceux n'ayant pas pu le faire diffèrent selon certaines caractéristiques. Par la suite, on applique une régression logistique à notre base de données pour dégager l'effet net des facteurs susceptibles d'influencer le rendement scolaire et particulièrement le facteur travail.

4.1. Approche descriptive de la relation entre travail des enfants et rendement scolaire

Dans cette section, il s'agit essentiellement de décrire la relation entre le rendement scolaire et le travail infantile. Nous pouvons observer dans notre échantillon deux groupes d'enfants mutuellement exclusifs : ceux ayant réussi leur passage en classe supérieure et ceux l'ayant raté. En tenant compte d'un ensemble de variables dont certaines sont liées au travail infantile, une analyse factorielle discriminante est menée afin d'analyser les différences entre ces deux groupes d'enfants et de déterminer lesquelles de ces variables explicatives sont plus discriminantes vis à vis des groupes déterminés.

4.1.1. Présentation des variables de l'analyse factorielle discriminante et analyse descriptive

Le but de l'analyse discriminante est d'étudier les relations entre une variable qualitative et un ensemble de variables explicatives quantitatives et/ou qualitatives binaires. Les variables de l'analyse sont présentées en premier, ensuite la base de données qui a rendu possible l'analyse.

4.1.1.1. Les variables

Les données analysées provenant de l'enquête MICS 2006, portent sur 8800 enfants de 5-14 ans scolarisés sur lesquels on dispose d'un certain nombre d'informations. D'une part, nous avons le rendement scolaire de l'enfant (« succès » ou « échec ») qui constitue la variable à expliquer et d'autre part deux caractéristiques qualitatives binaires (sexe et milieu de résidence) et quatre variables quantitatives (âge, nombre de jours d'école, volume horaire hebdomadaire de travail, nombre d'enfants de moins de cinq ans dans le ménage) qui constituent les variables explicatives.

Les variables exogènes peuvent être regroupées en trois groupes. Tout d'abord, les caractéristiques propres à l'enfant qui sont l'âge et le sexe. Le deuxième groupe est composé des variables décrivant le contexte familial dans lequel l'enfant se meut. Il s'agit ici du nombre d'enfants de moins de cinq ans présents dans le ménage et du milieu de résidence. Enfin le troisième groupe, porte sur le volume horaire hebdomadaire de travail auquel est astreint l'enfant et le nombre de jours par semaine où il va à l'école.

L'on se propose donc d'effectuer une analyse factorielle discriminante sur ces 8800 enfants de 5-14 ans scolarisés, repérés par les variables sus-citées. Comme étape préliminaire, une analyse descriptive sera menée dans le but de se familiariser avec la base de données en notre possession.

4.1.1.2. Analyse descriptive

Il s'agit ici de faire une analyse exploratoire minutieuse de la base de données qu'on veut soumettre à l'analyse factorielle discriminante. À cet effet seront interprétés les divers résultats présentés en annexe B.

Le tableau B1 en annexe présente les statistiques générales. On note la grande hétérogénéité des statistiques issues des distributions des quatre variables quantitatives de l'étude : ordre de grandeur différent pour les moyennes, écart-types, maxima et minima. Chaque ménage compte en moyenne un enfant de moins de 5 ans. Le volume horaire hebdomadaire de travail quant à lui s'élève à 10,7 heures et les enfants ont en moyenne 10 ans. Ces variables ont de grandes étendues et sont assez dispersées autour de leur moyenne. En ce qui concerne les variables qualitatives binaires sexe et milieu de résidence, les modalités les plus fréquentes sont les garçons et le secteur rural.

Le tableau B1 en annexe propose des informations pour les deux groupes d'enfants : « succès » ou « échec ». On constate que les statistiques (minimum, maximum, moyenne et écart type) liées aux variables nombre d'enfant de moins de cinq dans le ménage et volume horaire hebdomadaire de travail sont légèrement élevées pour les enfants ayant eu un rendement scolaire négatif comparativement à leurs semblables ayant eu un rendement scolaire positif. En outre, la structure par âge indique que les enfants ayant réussi ont une moyenne d'âge légèrement supérieure à ceux ayant échoué. La structure du nombre de jours d'école par semaine est semblable dans les deux groupes. Quant aux variables sexe et milieu de résidence, il apparaît que dans le groupe « succès », ce sont les filles qui s'y intègrent le plus ainsi que les enfants du milieu urbain. Une observation contrastée se dégage pour le groupe « échec ».

Le tableau B2 en annexe présente la matrice de corrélation entre les variables quantitatives. La matrice de corrélation suggère une corrélation positive entre l'âge et le nombre d'heures de travail ( ). Ce résultat n'est pas surprenant car plus l'enfant grandit, mieux sa force de travail s'améliore. Néanmoins cette corrélation n'est pas forte. Quant aux autres variables les corrélations entre elles sont très faibles.

Cette étape préliminaire d'analyse descriptive nous amène à tirer les enseignements suivants :

· les enfants dont le rendement scolaire est positif ont en général un âge plus important que ceux pour qui le résultat est négatif ;

· les enfants qui ne réussissent pas ont un volume horaire de travail élevé comparativement à ceux qui réussissent ;

· les filles réussissent plus que les garçons et les enfants du milieu urbain plus que ceux du milieu rural ;

· il existe une corrélation positive entre l'âge et le volume horaire de travail.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Qui vit sans folie n'est pas si sage qu'il croit."   La Rochefoucault