Un protocole d'enquête basé sur la théorie de l'autodétermination concernant la motivation au développement professionnel, l'auto-efficacité pédagogique et l'engagement des enseignants universitaires

Résumé

Ce protocole décrit une procédure de questionnaire transversal anonyme permettant d'évaluer la motivation au développement professionnel, l'auto-efficacité, l'engagement et la pratique réflexive des enseignants universitaires.

Résumé

Les enseignants universitaires participent à des activités de développement professionnel dans des conditions institutionnelles, disciplinaires et motivationnelles variées. Les seuls registres de participation ne permettent pas d’expliquer si le développement professionnel se traduit par un apprentissage professionnel significatif. Cet article présente un protocole reproductible, anonyme et transversal d’enquête permettant d’évaluer, dans une perspective de la théorie de l’autodétermination, la satisfaction des besoins psychologiques, la motivation autonome et contrôlée, l’auto-efficacité en enseignement, l’engagement dans le développement professionnel et la pratique réflexive. Le protocole précise le dépistage des critères d’éligibilité, l’échantillonnage de commodité stratifié, la construction du questionnaire, l’examen par des experts, un essai préliminaire, la passation en ligne, l’anonymisation, le contrôle de la qualité des réponses, le calcul des scores des échelles, l’estimation de la fiabilité, l’analyse des corrélations, la régression hiérarchique et les analyses de sensibilité. Il clarifie également l’adaptation des échelles, la vérification des autorisations, le calcul des scores des construits et l’interprétation d’échelles très fiables comme indicateurs potentiels de redondance des items. Des résultats représentatifs ont été obtenus à partir d’une mise en œuvre achevée du protocole, au cours de laquelle 326 réponses soumises ont été exportées et 313 réponses valides conservées après un dépistage prédéfini. Les résultats ont montré que la satisfaction des besoins d’autonomie, de compétence et d’appartenance était positivement associée à la motivation autonome, et que la motivation autonome et l’auto-efficacité en enseignement étaient associées à l’engagement dans le développement professionnel. Ce protocole convient aux études normalisées, multicentriques et fondées sur des enquêtes, portant sur les corrélats motivationnels et les croyances professionnelles de l’engagement dans le développement professionnel. Il est moins adapté à l’inférence causale, à l’estimation de changements longitudinaux, aux résultats comportementaux directs ou à l’évaluation de programmes au niveau institutionnel, sauf si l’on ajoute des mesures répétées, des observations, une enquête qualitative ou des données administratives.

Introduction

Le perfectionnement professionnel des enseignants est largement utilisé pour soutenir la qualité de l'enseignement, l'amélioration pédagogique et l'apprentissage professionnel, mais ses effets sont difficiles à interpréter lorsque l'évaluation se limite à la présence, à l'exposition ou au nombre d'heures de formation accomplies^1,2. La recherche sur le développement professionnel exige une conceptualisation claire des mécanismes reliant les activités d'apprentissage au changement chez les enseignants, car la simple participation n'indique pas nécessairement l'engagement, l'utilité perçue ou la réflexion ultérieure¹. Dans les établissements universitaires, les enseignants interviennent dans différentes disciplines, types de poste, conditions de charge de travail et attentes institutionnelles. Un protocole d'enquête mesurant les conditions psychologiques et les croyances professionnelles peut donc compléter le suivi fondé sur les activités en examinant la manière dont les enseignants vivent et intègrent leur développement professionnel. Des approches alternatives répondent à des objectifs d'évaluation différents. L'évaluation basée sur la fréquentation est efficace pour documenter la portée, la conformité et l'adhésion au programme, mais fournit peu d'informations sur la motivation, la compétence perçue ou la qualité de l'engagement. Les entretiens qualitatifs, les groupes de discussion et les récits réflexifs offrent des descriptions plus riches des expériences d'apprentissage professionnel, mais conviennent moins à une mesure standardisée à travers plusieurs institutions ou de grands échantillons. Les dispositifs longitudinaux sont préférables pour estimer l'évolution dans le temps, l'ordre temporel ou les effets différés sur l'enseignement. Les cadres d'évaluation au niveau institutionnel sont utiles pour surveiller la mise en œuvre des programmes, l'allocation des ressources et la responsabilité organisationnelle. Le présent protocole est particulièrement adapté lorsqu'il s'agit de réaliser une enquête transversale, anonyme et multi-institutionnelle, en utilisant des procédures reproductibles de notation, de nettoyage et d'analyse.

Le protocole considère le développement professionnel comme un processus d'apprentissage professionnel plutôt que comme un événement institutionnel isolé. Opfer et Pedder ont conceptualisé l'apprentissage professionnel des enseignants comme un processus complexe façonné par les interactions entre les systèmes individuel, professionnel et des activités d'apprentissage³. Cette perspective est pertinente pour les enseignants universitaires, car la même activité peut être vécue différemment selon le choix perçu, la confiance pédagogique, le soutien des collègues, la pression liée à la charge de travail et la pertinence disciplinaire. Le protocole évalue donc la satisfaction des besoins psychologiques, la motivation au développement professionnel, l'auto-efficacité en enseignement, l'engagement dans le développement professionnel et la pratique réflexive, en plus des antécédents de participation. La théorie de l'autodétermination fournit la base motivationnelle du protocole. Cette théorie distingue la motivation autonome, dans laquelle le comportement est vécu comme personnellement approuvé ou significatif, de la motivation contrôlée, dans laquelle le comportement est principalement dicté par la pression, l'obligation ou une demande externe⁴. Elle identifie également l'autonomie, la compétence et l'interrelation comme besoins psychologiques fondamentaux qui favorisent l'action approuvée par soi-même et un engagement durable⁵. Dans le développement professionnel des enseignants universitaires, l'autonomie fait référence au choix perçu et à la discrétion professionnelle dans la sélection ou l'utilisation d'activités de développement ; la compétence concerne la croissance perçue des capacités d'enseignement ; et l'interrelation concerne les liens avec les collègues, le sentiment d'appartenance professionnelle et les échanges constructifs. Ces constructions permettent au protocole d'analyser les raisons pour lesquelles les enseignants participent et la manière dont l'environnement de développement professionnel est vécu.

L'enseignement de l'auto-efficacité est inclus car la motivation seule ne détermine pas si les enseignants se sentent capables d'appliquer les contenus de développement professionnel dans la pratique enseignante. L'auto-efficacité des enseignants fait référence aux croyances des enseignants concernant leur capacité à organiser et à réaliser des actions liées à l'enseignement, et elle a été associée à des comportements pédagogiques, à la persévérance, à l'enthousiasme et aux résultats liés aux élèves⁶. Le modèle de changement chez l'enseignant de Guskey suggère en outre que le développement professionnel devient significatif lorsque les enseignants peuvent relier de nouvelles pratiques à des preuves d'amélioration⁷. Dans ce protocole, l'auto-efficacité enseignante est considérée comme une variable de croyance professionnelle qui peut aider à expliquer si le développement professionnel est mis en œuvre dans des contextes d'enseignement en classe, en ligne, en laboratoire, en studio, en clinique ou en supervision. L'engagement dans le développement professionnel est défini comme une participation active aux activités de développement professionnel, une attention portée au processus d'apprentissage, un effort pour relier les contenus du développement professionnel à l'enseignement, un apprentissage continu après l'activité, et la volonté de participer à des apprentissages professionnels futurs. Cette construction est liée à la littérature plus large sur l'engagement, où la vigueur, l'implication et l'absorption décrivent une participation soutenue aux activités liées au travail⁸. Toutefois, l'engagement dans le développement professionnel n'est pas considéré comme identique à l'engagement général au travail ni comme un simple décompte de la participation au développement professionnel. Il est mesuré comme une réponse plus étroite liée à l'apprentissage professionnel, qui reflète comment les enseignants participent, traitent et continuent d'utiliser leurs expériences de développement professionnel. La pratique réflexive est incluse comme un indicateur succinct de l'examen post-activité, de l'évaluation de l'utilité pédagogique, de la révision des stratégies d'enseignement et de la documentation ou de la discussion des résultats d'apprentissage⁹.

Un protocole d'enquête exige également des procédures prédéfinies concernant la qualité des réponses et la mesure. Des questionnaires en ligne anonymes peuvent entraîner des réponses de courte durée, des items manquants, des échecs aux contrôles d'attention et des profils de réponse invariants. Le dépistage des réponses négligentes est plus justifié lorsque plusieurs indicateurs sont combinés plutôt que lorsqu'une seule règle d'exclusion est appliquée¹⁰. Le protocole précise donc des seuils de temps de complétion, des vérifications d'attention basées sur des réponses consignées, des règles relatives aux données manquantes, un dépistage des réponses invariantes et un codage traçable des exclusions avant le calcul des scores aux échelles. La cohérence interne est estimée à l’aide du alpha de Cronbach et de l’oméga de McDonald, car le seul alpha peut être trompeur dans certaines conditions de mesure¹¹. Des valeurs de fiabilité très élevées sont interprétées avec prudence, car elles peuvent indiquer une redondance des items plutôt qu'une mesure plus robuste. L'analyse principale traite chaque construit comme un score d'échelle observé pour les statistiques descriptives, l'estimation de la fiabilité, l'analyse de corrélation, la régression hiérarchique et les analyses de sensibilité. Les études utilisant ce protocole pour le développement d'échelles, la comparaison interculturelle ou des mesures à enjeux élevés devraient ajouter une analyse factorielle exploratoire ou confirmatoire avant d'interpréter les associations structurelles, particulièrement lorsque les corrélations entre construits sont élevées ou que des items traduits sont utilisés. Le dispositif transversal permet d'estimer les associations entre la satisfaction des besoins psychologiques, la motivation, l'auto-efficacité enseignante, l'engagement dans le développement professionnel et la pratique réflexive, mais ne permet pas d'établir un ordre temporel, des effets causaux ou un changement comportemental. Étant donné que toutes les variables principales sont auto-déclarées par les mêmes répondants, les biais liés au désirabilité sociale et à la méthode commune restent possibles, malgré l'anonymat, le libellé neutre, le dépistage de la qualité des réponses et les analyses de sensibilité¹². Le protocole est donc moins adapté à l'inférence causale, à l'estimation de changements longitudinaux, à l'évaluation directe du comportement enseignant ou à l'évaluation de programmes au niveau institutionnel, sauf si des mesures répétées, une enquête qualitative, une observation en classe, des artefacts pédagogiques ou des données administratives sur les programmes sont ajoutés. Dans le cadre de son champ d'application prévu, le protocole fournit une méthode standardisée pour examiner les construits motivationnels et les croyances professionnelles associés à l'engagement dans le développement professionnel et à l'apprentissage professionnel réflexif des enseignants-chercheurs universitaires¹³.

Protocole

The study protocol was reviewed and approved by the Universiti Malaya Research Ethics Committee (Non-Medical) on 7 August 2025 (Reference No. UM.TNC(P&I)/UMREC_4864). Local administrative permission was obtained from each participating university before recruitment when required. Electronic informed consent was collected before eligibility screening and questionnaire administration. No names, staff identification numbers, telephone numbers, institutional email addresses, Internet Protocol addresses, geolocation data, device identifiers, exact department names, or open-text identifiers were collected. Submitted responses were assigned anonymous respondent codes and stored in encrypted institutional storage according to the approved data-retention procedure.

This protocol standardizes an anonymous, cross-sectional questionnaire procedure for assessing university teachers’ professional development motivation, basic psychological need satisfaction, teaching self-efficacy, professional development engagement, and reflective practice. The protocol uses self-determination theory to distinguish autonomous motivation from controlled motivation in professional development participation¹⁴.

1. Study design and workflow

1. Define the study as an anonymous, cross-sectional questionnaire study of university teachers and follow the workflow shown in Figure 1 from ethics approval to reproducibility checking.
2. Measure basic psychological need satisfaction, professional development motivation, teaching self-efficacy, professional development engagement, and reflective practice.
3. Treat autonomy, competence, and relatedness need satisfaction as motivational antecedents; autonomous and controlled motivation as motivational-regulation variables; teaching self-efficacy as a professional belief variable; and professional development engagement and reflective practice as professional-learning response variables¹⁵.
4. Analyze constructs as observed scale scores for descriptive statistics, reliability estimation, correlation analysis, hierarchical regression, and sensitivity analyses.
   NOTE: Add exploratory or confirmatory factor analysis before interpreting latent structure, cross-cultural measurement equivalence, or discriminant validity in studies using translated items, newly adapted items, or highly correlated constructs.

2. Participant eligibility and sampling plan

1. Recruit university teachers from at least four universities with varied institutional profiles.
2. Include participants aged 21 years or older who are employed by a higher-education institution, involved in teaching or supervision, able to complete the questionnaire in the study language, and willing to provide electronic informed consent.
3. Include undergraduate teaching, postgraduate teaching, supervision, curriculum delivery, clinical teaching, studio teaching, laboratory teaching, online teaching, and academic mentoring as eligible teaching roles.
4. Exclude administrative staff without teaching duties, retired teachers no longer involved in teaching, visiting scholars without teaching responsibilities, external trainers not employed by the university, and individuals without informed consent.
5. Use stratified convenience sampling across broad discipline groups and academic ranks. Code discipline group as Education, Humanities, Social Sciences, Business and Management, Science, Technology, Engineering and Mathematics, Health Sciences, Arts and Design, or Other.
6. Set the minimum target at 300 valid responses for regression models with multiple background and psychological predictors¹⁶. Recruit 330–360 submitted responses to allow for exclusion during screening.
7. Conduct recruitment during a regular teaching period, avoid examination weeks and major institutional evaluation periods, use a 4-week recruitment window, and extend recruitment once for 7 calendar days if fewer than 300 valid responses are available.
   NOTE: Apply identical eligibility criteria, discipline categories, recruitment wording, and exclusion rules across all universities.Pause after ethics approval, institutional permissions, recruitment channels, sampling frame, and recruitment materials are finalized.

3. Questionnaire structure and construct map

1. Build the questionnaire in seven sections: informed consent, demographic and professional background, basic psychological need satisfaction, professional development motivation, teaching self-efficacy, professional development engagement, and reflective practice.
2. Define each construct, item code, item source, item number, response scale, scoring method, expected score range, and permission status in Table 1 before programming the questionnaire.
3. Use a 5-point Likert response scale for all main psychometric items, ranging from 1 (strongly disagree) to 5 (strongly agree).
4. Collect institution code, discipline group, gender, age group, academic rank, teaching years, weekly teaching hours, professional development activities and hours in the last 12 months, and perceived administrative workload before psychometric items.
5. Code age group, teaching years, discipline group, and perceived administrative workload using the codebook in Supplementary File 1. Use broad discipline categories instead of exact department names.
6. Provide the full questionnaire, variable names, item codes, response coding, scoring syntax, exclusion coding, and script structure in Supplementary File 1.
   NOTE: Lock item codes before programming the online questionnaire. Do not change item codes after pilot testing unless the questionnaire, codebook, and analysis script are updated together.

4. Construct measurement and item allocation

1. Measure autonomy, competence, and relatedness need satisfaction with four items each.
2. Measure autonomous motivation with six items and controlled motivation with four items reflecting self-endorsed and pressure-based reasons for teaching-related professional development¹⁷.
3. Measure teaching self-efficacy with 12 university-adapted items covering instructional strategies, student engagement, and classroom management or interaction¹⁸.
4. Measure professional development engagement with six items covering active participation, sustained learning effort, attention, application, continued learning, and willingness to engage in future professional development¹⁹.
5. Measure reflective practice with four items covering post-activity reflection, usefulness evaluation, teaching-strategy revision, and documentation or discussion of learning outcomes²⁰.
6. Include two instructed-response attention-check items: one requiring “Agree” after the motivation items and one requiring “Disagree” after the teaching self-efficacy items.
7. Keep the final questionnaire between 38 and 44 main items, excluding informed consent and background questions.
8. Classify all psychometric items in Table 1 as adapted, newly written, or domain-aligned, and record source, adaptation status, and permission status.
   NOTE: Do not reproduce restricted scale items verbatim unless written permission has been obtained or the source explicitly permits such use.

5. Expert review and item refinement

1. Invite three to five reviewers with expertise in motivation theory, higher education or teacher professional development, and quantitative survey research. Include one bilingual reviewer if translation is used.
2. Provide reviewers with the study aim, construct definitions, item list, response scale, target population, scoring plan, and permission-status table.
3. Ask reviewers to rate construct relevance, wording clarity, cultural appropriateness, respondent burden, and social-desirability risk using a 4-point relevance scale.
4. Retain items rated 3 or 4 by at least 80% of reviewers. Revise or remove items with low relevance, ambiguous wording, cultural mismatch, social-desirability risk, duplication, or double-barreled wording.
5. Retain at least four items for each main construct and prepare an item-decision log with item code, reviewer concern, revision decision, final wording, source status, and permission status.
   NOTE: Pause after expert review. Resume only after the revised questionnaire, item-decision log, codebook, and scoring syntax use identical item codes.

6. Translation and language verification

1. Use the original study language if all participating teachers can complete the questionnaire in that language.
2. Apply forward translation and back translation if English-source items are administered in another language.
3. Ask two bilingual translators to translate the questionnaire independently, reconcile the translations, and ask a third bilingual translator to back-translate the reconciled version into English.
4. Compare the back-translated version with the source version for changes in construct meaning, response direction, and item intensity²¹. Revise items when meaning changes are identified.
5. Conduct cognitive checking with five university teachers and ask them to identify confusing, ambiguous, sensitive, repeated, or culturally inappropriate items.
6. Finalize and lock the administered version after translation and cognitive-checking issues are resolved.
   NOTE: Use one finalized questionnaire version for all main-study participants unless each language version has passed the same verification procedure.

7. Pilot testing

1. Recruit 20-30 university teachers from the target population for pilot testing and exclude them from the main survey.
2. Administer the pilot questionnaire through the same type of institutionally approved online survey platform planned for the main study.
3. Record completion time automatically from the first post-consent questionnaire page to final submission, and collect participant comments on wording, repetition, survey length, sensitive items, and display problems.
4. Calculate the median pilot completion time. Define the minimum valid completion-time threshold as one-third of the pilot median or 180 s, whichever is longer, and define the borderline-time range as the threshold plus 60 s.
5. Revise the questionnaire if the pilot median completion time is below 5 min or above 15 min, if item missingness exceeds 10% with wording-related comments, or if more than 10% of pilot participants misunderstand either of the attention-check item.
6. Calculate preliminary internal consistency for each scale and lock the questionnaire, codebook, scoring syntax, completion-time threshold, and borderline-time range before main recruitment.
   NOTE: Do not use pilot responses in the main analysis dataset. Resume main recruitment only after the questionnaire, codebook, completion-time rules, and scoring syntax are locked.

8. Online survey setup

1. Build the questionnaire in an institutionally approved online survey platform using the platform-configuration checklist in Supplementary File 1.
2. Disable collection of Internet Protocol addresses, geolocation data, device identifiers, names, and email addresses.
3. Place the participant information sheet and electronic informed-consent item on the first page. Terminate the survey automatically when “I do not agree to participate” is selected.
4. Use forced response only for consent and eligibility items. Allow psychometric items to be skipped for prespecified missing-data handling.
5. Display one construct block per page, keep consent, eligibility, demographic, and attention-check items fixed, and apply block-level item randomization only within construct blocks when supported by the platform.
6. Use non-identifying duplicate-prevention settings and avoid Internet Protocol address tracking.
7. Test the survey link on desktop, laptop, tablet, and smartphone devices. Submit and export at least five test responses, then verify consent branching, eligibility branching, variable names, response codes, timestamps, missing values, completion time, and attention-check coding using Supplementary File 1.
8. Confirm that skipped psychometric items are exported as missing values rather than zeros. Delete test responses before recruitment.
   NOTE: Do not start recruitment if skipped psychometric items are exported as zeros or if consent branching, eligibility branching, or attention-check coding is incorrect.

9. Recruitment procedure

1. Send the recruitment invitation through general institutional channels, faculty development offices, academic mailing lists, or teacher professional development groups.
2. Use a neutral recruitment message stating the study purpose, eligibility criteria, approximate completion time, voluntary participation, anonymity protection, and survey closing date.
3. Do not ask direct supervisors to recruit individual staff members, provide department-level participation reports, or provide individual completion-linked incentives unless approved by the ethics committee.
4. Send the first invitation on Day 1, the first reminder on Day 10, and the final reminder on Day 21.
5. Close the survey on Day 28 unless the approved 7-calendar-day extension is activated because fewer than 300 valid responses are available.
6. Record recruitment dates, reminder dates, submitted responses, extension status, and final closure date in the recruitment log.
   NOTE: Pause after survey closure. Export and lock the raw dataset before applying any cleaning rule.

10. Data export and anonymization

1. Export the survey data within 48 h after survey closure in spreadsheet and comma-separated values formats. Save the original export as a read-only raw-data file and create a separate working copy for cleaning and analysis.
2. Replace platform-generated response identifiers with anonymous respondent codes, such as T001, T002, and T003.
3. Inspect all variables for accidental identifiers. Remove free-text content containing names, exact department names, institutional email addresses, or identifiable events.
4. Replace university names with University A, University B, University C, and University D, and replace exact discipline names with broad discipline groups.
5. Store the raw-data file, working file, cleaned-data file, screening log, codebook, questionnaire, and analysis scripts in encrypted institutional storage with access restricted to approved research team members.
6. Record every anonymization and cleaning decision in the screening log.
   NOTE: Do not clean, recode, or score data directly in the raw-data file. Resume data cleaning only after the raw-data file has been preserved and the working file contains no direct or indirect identifiers.

11. Response-quality screening

1. Screen all submitted responses before scale scoring using the response-quality and analysis-decision rules in Table 2.
2. Exclude responses without electronic informed consent, failed eligibility screening, completion time below the prespecified minimum valid threshold, failure of either attention-check item, or more than 20% missing psychometric items.
3. Review responses in the borderline completion-time range. Retain them only when both attention checks are passed, missingness is within the allowed range, and no invariant response pattern is observed.
4. Flag respondents who select the same Likert response option for at least 90% of psychometric items, and identify careless responses by combining completion time, attention-check results, missingness, and invariant response patterns²².
5. Inspect responses for implausible demographic combinations. Set one implausible demographic value to missing if psychometric responses are otherwise valid, and exclude the response when multiple demographic values indicate ineligibility.
6. Record one primary exclusion reason for every removed response, create an inclusion-status variable coded as 1 = included and 0 = excluded, generate the participant-flow summary for Figure 2, and save cleaned_teacher_PD_survey.csv.
   NOTE: Apply exclusion rules before computing scale scores. Do not exclude cases after viewing regression significance unless the exclusion rule was prespecified.

12. Missing-data handling and scale scoring

1. Convert Likert-scale responses to numeric values ranging from 1 to 5, check item direction, and reverse-score negatively worded items before scale scoring.
2. Compute a scale score only when at least 75% of items in that scale are completed. Use the available-item mean when no more than 25% of items within a scale are missing, and set the scale score to missing when more than 25% are missing.
3. Compute scale scores as follows: autonomy need satisfaction = mean of AUT1–AUT4; competence need satisfaction = mean of COM1–COM4; relatedness need satisfaction = mean of REL1–REL4; autonomous motivation = mean of AM1–AM6; controlled motivation = mean of CM1–CM4; teaching self-efficacy = mean of TSE1–TSE12; professional development engagement = mean of PDE1–PDE6; reflective practice = mean of RP1–RP4.
4. Create scored_teacher_PD_survey.csv containing respondent code, background variables, item responses, scale scores, inclusion status, and exclusion reason.
   NOTE: Confirm that all scale scores remain within the 1–5 range after scoring.

13. Statistical software setup and script execution

1. Use R version 4.3.2 or later and organize the project folder according to the reproducibility structure in Supplementary File 1.
2. Run the script sequence provided in Supplementary File 1: 01_import_anonymize.R, 02_screen_score.R, 03_reliability_descriptives.R, 04_regression_sensitivity.R, and 05_reproducibility_check.R.
3. Run all scripts from the project folder without manually editing intermediate datasets or generated outputs.
4. Export tables as spreadsheet files, generated figures as high-resolution PDF files, and R session information as sessionInfo.txt.
   ​NOTE: Do not overwrite raw data or manually edit generated analysis outputs. Pause after the script imports the data without errors and confirms that all required variables are present.

14. Reliability and item diagnostics

1. Calculate Cronbach’s alpha, McDonald’s omega, corrected item-total correlations, descriptive statistics, skewness, kurtosis, and floor or ceiling effects for each multi-item scale²³.
2. Interpret reliability values from 0.70 to 0.79 as acceptable, 0.80 to 0.89 as good, and 0.90 or higher as high internal consistency. Treat values above 0.95 as possible item redundancy.
3. Flag corrected item-total correlations below 0.30. Remove or revise an item only when weak item performance is consistent with conceptual mismatch, unclear wording, or prespecified expert-review concerns.
4. Flag floor or ceiling effects when more than 15% of respondents obtain the lowest or highest possible scale score.
5. Export the reliability and item-diagnostic output as Table_reliability_item_diagnostics.xlsx.
   NOTE: Do not delete items after main data collection unless the deletion rule was prespecified.

15. Descriptive and correlation analysis

1. Calculate descriptive statistics for demographic variables, professional background variables, and construct scores.
2. Report categorical variables as frequency and percentage. Report continuous or ordinal professional variables as mean and standard deviation when approximately symmetric, and as median and interquartile range when clearly skewed.
3. Confirm that each construct score falls within the expected 1–5 range and inspect histograms or density plots for major distributional distortion.
4. Calculate Pearson correlations among construct scores when scale means are approximately continuous, and calculate Spearman correlations as a sensitivity check when distributions are markedly skewed.
5. Interpret correlations from 0.10 to 0.29 as small, 0.30 to 0.49 as moderate, and 0.50 or above as large²⁴. Flag correlations above 0.85 as possible construct overlap.
6. Export descriptive statistics as Table_descriptive_statistics.xlsx and the correlation matrix as Table_correlation_matrix.xlsx.
   NOTE: Inspect construct overlap before regression analysis. Add factor analysis or reduce interpretive claims when theoretically distinct constructs show very high correlations.

16. Regression analysis

1. Fit prespecified hierarchical linear regression models.
2. Use autonomous motivation as the dependent variable in Model 1. Enter age group, gender, academic rank, teaching years, professional development hours in the last 12 months, and administrative workload in Step 1; autonomy, competence, and relatedness need satisfaction in Step 2; and controlled motivation in Step 3.
3. Use professional development engagement as the dependent variable in Model 2. Enter age group, gender, academic rank, teaching years, professional development hours in the last 12 months, and administrative workload in Step 1; autonomous motivation and controlled motivation in Step 2; and teaching self-efficacy in Step 3.
4. Use reflective practice as an exploratory dependent variable only if prespecified in the ethics-approved analysis plan.
5. Mean-center continuous predictors before creating interaction terms. Do not create moderation terms unless moderation is included in the research question and analysis plan.
6. Report unstandardized coefficients, standard errors, standardized coefficients, 95% confidence intervals, p values, adjusted R², and change in R².
7. Inspect variance inflation factor values, residual-versus-fitted plots, quantile-quantile plots, standardized residuals, and Cook’s distance. Treat variance inflation factor values above 5.00, standardized residuals above |3.00|, or Cook’s distance above 1.00 as requiring inspection.
8. Remove influential cases only when a data-entry error, eligibility error, or duplicate-response problem is confirmed.
9. Export regression output as Table_regression_models.xlsx and diagnostic plots as high-resolution PDF files.
   NOTE: Do not remove influential cases solely because they change model significance.

17. Sensitivity analysis and reproducibility check

1. Repeat the main regression models using listwise deletion of cases with missing model variables and after excluding borderline-time responses.
2. Compare coefficient direction, standardized coefficient size, standard error, and adjusted R² with the primary models.
3. Treat results as stable if key coefficient directions remain unchanged and standardized coefficients differ by less than 0.10.
4. Retain the prespecified screening rule if sensitivity analyses do not materially alter the interpretation.
5. Regenerate descriptive tables, reliability tables, correlation matrices, regression tables, participant-flow figure, workflow figure, and any construct-score figures from the cleaned dataset and final script.
6. Archive the cleaned anonymized dataset, codebook, screening log, questionnaire, analysis scripts, generated outputs, and R session information according to the approved data-sharing plan.
7. Confirm that all archived files use the same respondent identifier and contain no direct or indirect identifiers.
   NOTE: Do not archive the reproducibility package until all outputs have been regenerated from the final script. Resume archiving only after all outputs have been regenerated from the final script.

Résultats

Flux des participants et état de l'ensemble de données représentatif

Les résultats représentatifs rapportés ici ont été obtenus à partir d'une mise en œuvre complète du protocole. L'ensemble de données a été recueilli par le biais de la procédure de questionnaire transversal anonyme décrite ci-dessus et n'a pas été tiré d'un test pilote ou d'un ensemble de données à titre illustratif. Un total de 326 questionnaires soumis a été exporté depuis la plateforme de sondage en ligne....

Discussion

Les résultats représentatifs indiquent que le protocole peut être utilisé pour examiner le développement professionnel des enseignants universitaires au-delà de la simple présence, du nombre d'heures de formation ou des dossiers d'achèvement. La satisfaction des besoins d'autonomie, de compétence et d'interrelation était positivement associée à la motivation autonome, et ces associations persistaient après l'ajout des variables contextuelles dans le modèle. Cette découverte est conforme à l'hypothèse de la théorie de l'a...

Matériaux

Liste des matériaux utilisés dans cet article

Nom	Entreprise	Numéro de catalogue	Commentaires
Adobe Acrobat Pro	Adobe Inc., San Jose, CA, USA	Adobe Acrobat Pro 2024	Utilisé pour examiner le questionnaire final au format PDF, la fiche d'information destinée aux participants, le formulaire de consentement, les figures exportées et les fichiers complémentaires soumis.
Script d'analyse	Préparé par l'équipe de recherche	analysis_script.R	Exécute l'importation des données, les vérifications d'anonymisation, le dépistage de la qualité des réponses, le calcul des valeurs manquantes, le calcul des scores des échelles, les statistiques descriptives, l'analyse de fiabilité, l'analyse des corrélations, les modèles de régression, les vérifications diagnostiques, les analyses de sensibilité, l'exportation des tableaux, l'exportation des figures et l'exportation des informations de session.
Fichier CSV du questionnaire sur la formation continue des enseignants nettoyé	Généré à partir de analysis_script.R	cleaned_teacher_PD_survey.csv	Contient les enregistrements conservés et exclus, avec le statut d'inclusion, la raison de l'exclusion, les variables de dépistage et les variables sociodémographiques nettoyées.
Manuel de codage	Préparé par l'équipe de recherche	codebook.xlsx	Définit les noms des variables, les codes des items, le codage des réponses, le codage des valeurs manquantes, les formules de calcul des scores d'échelle, le statut d'inclusion, les raisons d'exclusion, les variables des tableaux et les noms des fichiers de sortie.
Ordinateur de bureau	Windows 11 Pro	Non applicable ; ordinateur institutionnel de recherche : 16 Go de RAM et chiffrement complet du disque activé.	Utilisé pour la programmation du questionnaire, l'exportation des données, l'exécution du script, la génération de tableaux, l'exportation des figures et l'archivage sécurisé des fichiers.
Document d'approbation éthique	Comité institutionnel d'éthique de la recherche sur les êtres humains	ethics_approval.pdf	Documente l'approbation éthique avant le recrutement, incluant le numéro d'approbation, la date d'approbation, le titre approuvé de l'étude, les informations sur les investigateurs, ainsi que les conditions approuvées de recrutement et de gestion des données.
Documents d'autorisation institutionnelle	Universités participantes	institutional_permission_records.pdf	Contient les documents écrits d'autorisation provenant des universités participantes pour le recrutement d'enseignants par des canaux institutionnels approuvés.
Microsoft Excel	Microsoft Corporation, Redmond, WA, USA	Microsoft Excel 365	Utilisé pour examiner les jeux de données exportés, préparer le manuel de codage, consulter les journaux de dépistage et vérifier les fichiers de tableaux exportés. Le jeu de données d'analyse n'a pas été modifié manuellement après le nettoyage par script.
Fiche d'information et formulaire de consentement	Préparé par l'équipe de recherche et approuvé par le comité d'éthique	participant_information_and_consent. pdf	Fournit les objectifs de l'étude, les critères d'éligibilité, une déclaration sur la participation volontaire, une déclaration sur l'anonymat, les risques et bénéfices, les informations sur la conservation des données, les coordonnées des investigateurs, les informations éthiques et le libellé du consentement électronique.
Fichier du questionnaire	Préparé par l'équipe de recherche	questionnaire.pdf	Contient le questionnaire figé, l'ordre des items, les codes des items, les options de réponse, les items d'éligibilité, les items sociodémographiques, les items des construits et les items de contrôle d'attention.
Manifeste des packages R	Généré à partir de l'environnement R	package_manifest.txt	Liste les packages R et leurs versions utilisées pour l'importation des données, le nettoyage, le calcul des scores, l'estimation de la fiabilité, les diagnostics de régression, la visualisation, la génération de sorties et la vérification de la reproductibilité.
Logiciel statistique R	R Foundation for Statistical Computing, Vienne, Autriche	R 4.3.2	Utilisé pour le nettoyage des données, le calcul des scores d'échelle, l'analyse statistique, les vérifications diagnostiques, la génération de figures, l'exportation de tableaux et la vérification de la reproductibilité.
Paquet de reproductibilité	Préparé par l'équipe de recherche	reproducibility_package.zip	Contient questionnaire.pdf, codebook.xlsx, cleaned_teacher_PD_survey.csv, scored_teacher_PD_survey.csv, screening_log.xlsx, analysis_script.R, sessionInfo.txt, package_manifest.txt, les sorties de tableaux, les sorties de figures et les graphiques diagnostiques.
IDE RStudio Desktop	Posit Software, PBC, Boston, MA, USA	RStudio Desktop 2023.12.1	Utilisé pour exécuter, documenter et examiner analysis_script.R.
Fichier CSV du questionnaire sur la formation continue des enseignants avec scores	Généré à partir de analysis_script.R	scored_teacher_PD_survey.csv	Contient les réponses incluses et les scores d'échelle calculés, notamment AUT_MEAN, COM_MEAN, REL_MEAN, AM_MEAN, CM_MEAN, TSE_MEAN, PDE_MEAN et RP_MEAN.
Journal de dépistage	Généré à partir de analysis_script.R et examiné par l'équipe de recherche	screening_log.xlsx	Enregistre le consentement, l'éligibilité, le dépistage du temps de complétion, les résultats des contrôles d'attention, les valeurs manquantes, les indicateurs de réponses invariantes, les raisons d'exclusion, les décisions de recodage et le statut final d'inclusion.
Stockage institutionnel sécurisé	Service informatique de l'université participante	Disque de recherche institutionnel chiffré	Utilisé pour stocker les données brutes, les données nettoyées, les données avec scores, le manuel de codage, le journal de dépistage, le questionnaire, le script d'analyse, les documents éthiques, les documents d'autorisation, les sorties de tableaux, les sorties de figures et le paquet de reproductibilité. L'accès était restreint au personnel de recherche autorisé.
Fichier d'informations de session	Généré à partir de R	sessionInfo.txt	Enregistre la version de R, le système d'exploitation, les packages attachés, les versions des packages et l'environnement de reproductibilité.
Sorties de tableaux et de figures	Généré à partir de analysis_script.R	outputs_tables_figures dossier	Contient la sortie du flux des participants, les tableaux descriptifs, les tableaux de fiabilité, la matrice de corrélation, les tableaux de régression, les tableaux d'analyse de sensibilité, les figures des scores des construits et les graphiques diagnostiques.
Plateforme en ligne de sondage Wenjuanxing / Questionnaire Star	Changsha Ranxing Information Technology Co., Ltd., Changsha, Chine	Projet de sondage web Wenjuanxing	Utilisée pour le consentement électronique, l'administration anonyme du questionnaire, la branche d'éligibilité, les items de contrôle d'attention, l'enregistrement du temps de complétion, le paramètre d'une réponse par navigateur et l'exportation des enregistrements du questionnaire.