Push-Pull Determinants Among Bangladeshi Students Enrolled in NCR Private Universities: A Single-Destination Exploratory Study

Résumé Technique : Déterminants de Poussée et d'Attraction chez les Étudiants Bangladeshais Inscrits dans des Universités Privées de la Région de la Capitale Nationale (NCR)

Énoncé du Problème et Lacune de la Recherche
Bien que la mobilité étudiante internationale en provenance du Bangladesh soit un phénomène démographique significatif, les processus décisionnels spécifiques régissant la migration vers l'Inde (Région de la Capitale Nationale - NCR) restent peu explorés dans la littérature académique. Les recherches existantes sur les facteurs de poussée (push) et d'attraction (pull) se concentrent principalement sur les destinations occidentales, laissant une lacune dans la compréhension des flux intra-régionaux en Asie du Sud. Cette étude aborde trois dimensions spécifiques sous-explorées : (1) la saillance relative des facteurs de poussée par rapport aux facteurs d'attraction pour le dyade Bangladesh-Inde ; (2) le rôle des réseaux de conseil éducatif en tant qu'intermédiaires d'information ; et (3) la relation entre la satisfaction post-inscription et l'intention de recommandation. L'article postule que la mobilité intra-régionale de courte distance est peut-être moins organisée par des facteurs d'attraction discrets et hiérarchisés que par un « avantage d'accessibilité composite » où la proximité géographique, la familiarité culturelle et la faisabilité du visa se renforcent mutuellement.

Méthodologie
L'étude utilise un plan de recherche quantitative transversale fondé sur le cadre théorique de poussée-attraction de Lee (1966).

• Échantillon : Les données ont été collectées auprès d'étudiants bangladais inscrits dans des universités privées de la NCR (Sharda University, Noida International University et Galgotias University). Le jeu de données initial contenait 63 réponses ; après filtrage de qualité (suppression des réponses linéaires, des contradictions logiques et des bifurcations extrêmes), l'échantillon analytique final est de $n = 56$.
• Instrument : Un questionnaire structuré en ligne (Google Forms) comprenant cinq sections couvrant la démographie, les facteurs de poussée (4 items), les facteurs d'attraction (4 items), les réseaux de conseil et les résultats post-inscription (satisfaction et intention de recommandation). Les items utilisent une échelle de Likert à 5 points.
• Techniques Analytiques :
  • Statistiques Descriptives : Les moyennes et les écarts-types ont été calculés pour tous les facteurs.
  • Clustering : Une classification K-means ($k=3$) a été appliquée aux huit scores de Likère de poussée-attraction pour identifier les profils de décision des étudiants. La validité des clusters a été évaluée via la méthode du coude (elbow method), les coefficients de silhouette et l'ANOVA à un facteur.
  • Régression : Une régression logistique binaire a été utilisée pour prédire une intention de recommandation élevée (résultat : $E2 \geq 4$). En raison de la taille modeste de l'échantillon et du ratio événements par variable (EPV), un modèle réduit à cinq prédicteurs a été privilégié par rapport à un modèle complet de dix prédicteurs afin de limiter l'incertitude d'estimation.
  • Logiciel : L'analyse a été réalisée avec Python 3.11 (pandas, numpy, scipy, scikit-learn).

Résultats Clés

• Facteurs de Poussée : Les perturbations politiques et administratives du calendrier académique au Bangladesh sont apparues comme le principal facteur de poussée ($M = 3,73$), suivies par l'absence de programmes technologiques spécialisés ($M = 3,27$). La pression des examens compétitifs et la capacité de siège étaient moins saillantes.
• Facteurs d'Attraction : La proximité géographique et culturelle ($M = 3,80$) ainsi que l'accessibilité des visas ($M = 3,73$) sont les facteurs d'attraction les plus forts. L'analyse statistique n'a révélé aucune différence significative entre ces deux items ($p = ,598$), suggérant qu'ils fonctionnent comme un construit composite. L'abordabilité des frais de scolarité et le coût de la vie suivent, bien que tous les facteurs d'attraction dépassent le point médian de l'échelle.
• Destinations Alternatives : L'Australie et l'Allemagne étaient les alternatives les plus fréquemment considérées (33,9 % chacune), à égalité avec la proportion d'étudiants ayant considéré exclusivement l'Inde.
• Réseaux de Conseil : L'influence des conseillers a été rapportée par 73,2 % des répondants (seuil large) et 66,1 % (seuil strict). Le principal besoin de service était la sélection de l'université et du cours (48,2 %).
• Satisfaction et Recommandation : La satisfaction concernant l'infrastructure ($M = 3,11$) et l'intention de recommandation ($M = 3,29$) sont modérément et significativement corrélées (Pearson $r = ,497$ ; Spearman $\rho = ,535$). La régression logistique a identifié la satisfaction liée à l'infrastructure comme le prédicteur le plus fort de l'intention de recommandation élevée (Odds Ratio = 2,54, IC 95 % [1,09, 5,89]).
• Clustering : L'analyse K-means a identifié trois clusters de profils de décision distincts :
  1. Motivés de manière globale (39,3 %) : Scores élevés dans toutes les dimensions de poussée et d'attraction.
  2. Inscrits par Proximité (33,9 %) : Faible compétition académique (poussée) mais forte attraction par la proximité et l'accessibilité du visa.
  3. Inscrits à Faible Saillance (26,8 %) : Scores modérés à faibles sur toutes les dimensions mesurées.
     L'ANOVA a confirmé des différences significatives ($p < ,01$) entre les clusters pour les variables clés, notamment l'accessibilité du visa, les perturbations politiques et la proximité culturelle.

Contributions Principales et Signification
L'article offre quatre contributions principales à la littérature sur la mobilité étudiante internationale :

1. Avantage d'Accessibilité Composite : L'étude affine le modèle conventionnel de poussée-attraction en démontant que pour les corridors intra-régionaux de courte distance (Bangladesh-Inde), la proximité géographique, la familiarité culturelle et l'accessibilité du visa opèrent comme une structure de décision combinée plutôt que comme des attributs séparables. Cet « avantage d'accessibilité composite » est plus saillant que le coût ou la disponibilité des programmes seuls.
2. La Perturbation Politique comme Moteur Primaire : La recherche identifie l'instabilité politique et administrative au Bangladesh comme le principal facteur de poussée, un résultat lié à la transition politique de 2024 dans le pays. Cela souligne l'imprévisibilité structurelle du calendrier académique comme un motivateur plus urgent que les lacunes curriculaires.
3. Alignement Satisfaction-Loyauté : L'étude confirme que la satisfaction et l'intention de recommandation augmentent et diminuent de concert dans ce contexte. La satisfaction liée à l'infrastructure est le prédicteur le plus fort de la recommandation par le bouche-à-oreille, suggérant que combler l'écart entre le conseil pré-admission et l'expérience réelle de l'étudiant est l'intervention à plus fort levier pour les institutions.
4. Segmentation Typologique : L'identification de trois clusters de profils de décision statistiquement validés fournit une base pour des stratégies de communication institutionnelle différenciées, distinguant les étudiants poussés par des contraintes globales, ceux poussés par la proximité, et ceux dont les motivations se situent en dehors des variables mesurées.

Limites et Modestie des Revendications
Les auteurs présentent explicitement ces résultats comme étant exploratoires. L'étude reconnaît plusieurs limites :

• Taille de l'Échantillon : Le jeu de données $n=56$ est inférieur au seuil conventionnel pour une régression logistique stable avec de multiples prédicteurs, nécessitant un modèle réduit et une prudence dans l'interprétation des tailles d'effet.
• Conception à Destination Unique : Comme l'étude n'a interrogé que des étudiants ayant choisi l'Inde, les conclusions concernant les facteurs d'attraction sont conditionnelles à ce choix et ne peuvent être généralisées à l'ensemble de la population d'étudiants bangladais envisageant des options internationales.
• Biais d'Échantillonnage : L'utilisation de canaux de distribution affiliés aux chercheurs (groupes WhatsApp liés à l'ancien stage de l'auteur principal) et l'échantillonnage de convenance peuvent introduire un biais d'auto-sélection.
• Hypothèses Méthodologiques : L'utilisation de la méthode K-means sur des données de Likert ordinales et l'absence de rétro-traduction indépendante de l'instrument d'enquête sont notées comme des contraintes.

Par conséquent, l'article ne revendique pas de relations causales définitives, mais propose plutôt une typologie préliminaire et une compréhension théorique raffinée de la mobilité intra-régionale qui nécessite une validation par des études plus larges, multi-destinations et longitudinales.