C'est une questionnaire scientifiquement validé qui mesure l'auto-efficacité (Klobas et al., 2007). Traduit de l'anglais au français. 

L'auto- efficacité est une croyance personnelle en sa capacité à organiser et à mettre en œuvre les mesures nécessaires pour atteindre certains types de performances. Souvent décrite comme une confiance en soi spécifique à une tâche, l'auto-efficacité est un élément clé des théories de la motivation et de l'apprentissage dans divers contextes.

 Il existe une relation significative entre l'auto-efficacité scolaire et les performances d'apprentissage.

Klobas, J. E., Renzi, S., & Nigrelli, M. L. (2007). A scale for the measurement of self-efficacy for learning (SEL) at university.

Ce questionnaire en 10-12 items permet de mesurer l'implication cognitive, comportementale et affective de l'apprenant lors de l'activité d'apprentissage.

C'est sur une échelle de likert en 5 points allant de - 1 ne me caractérise pas du tout à 5 me caractérise beaucoup.

Dixson, M. D. (2015). Measuring student engagement in the online course: The Online Student Engagement scale (OSE). Online Learning, 19(4), n4.

L'auto-efficacité se réfère aux croyances d'un individu sur les capacités qu'il mettra en oeuvre dans une situation donnée.
ce questionnaire sert de référence pour les enseignants.
Psychometric properties of the French version of the Teachers’ Sense of Efficacy Scale (TSES-12f). European Review of Applied Psychology, 70(3), 100551

Observation grid with 2 parts:

This semi-structured interview is used to gather participants' feedback following the user test on: 
- the AIA index
- the AI assistant

This questionnaire enables you to obtain essential information about your participants (gender, age, socio-professional category).
The various criteria assessed by this questionnaire are traditional population segmentation criteria.
If you are targeting a specific population, these indicators will tell you whether your participants correspond to your target sample.
This information will also enable you to check that your sample is representative of the overall population.

This questionnaire also enables you to measure mitigation variable (trust propensity, willingness to accept the use of AI technologies, motivation, effort expectancy, AI literacy, reputation of the company). 
These variables allow to control potential biases and confounding factors, i.e. variables that may unintentionally cause systematic errors or distortions and could lead to inaccurate results or non-representative results. Ignoring them could lead to biased outcomes and diminish the impact of the AIA index.

If you want to study different groups of participants, the socio-demographic data will enable you to create your different conditions.

Inspiration du questionnaire d'état de présence UQO, TEST shariiing avec comme cas d'usage l'équipe PEER.


Réference : Robillard, G., Bouchard, S., Renaud, P. et Cournoyer, L.G. (2002). Validation canadiennefrançaise de deux mesures importantes en réalité virtuelle : l'Immersive Tendencies Questionnaire et le Presence Questionnaire. Congrès de la SQRP, Trois-Rivières (Québec, Canada).
Inspiré de la version originale de : Witmer, B.G. & Singer. M.J. (1998). Measuring presence in virtual environments: A presence questionnaire. Presence : Teleoperators and Virtual Environments, 7(3), 225-240.
http://cs.uky.edu/~sgware/reading/papers/witmer1998measuring.pdf

L’échelle de Samn-Perelli est un outil simple, rapide et validé scientifiquement permettant d’évaluer subjectivement son niveau de fatigue. Développée initialement pour l’aéronautique, elle est largement utilisée dans les contextes exigeants tels que les expéditions, les opérations prolongées ou les environnements à haute charge cognitive.

Elle repose sur une échelle en 7 niveaux, allant de l’état de vigilance optimale (« entièrement reposé ») à un état de fatigue extrême (« complètement épuisé »). Son principal avantage est sa rapidité d’administration (moins de 10 secondes) et sa facilité d’interprétation, même en conditions de terrain.

Réf : Organisation de l’Aviation Civile Internationale. (2012). Gestion des risques liés à la fatigue : Guide pour la mise en œuvre d’un système de gestion des risques liés à la fatigue (SGRF) (Doc 9966, 1re éd., version française). Montréal : OACI. 

Observation grid with 2 parts: