Developing Smart Port Readiness: The Roles of Workforce Competency, Training, and Inter-Organisational Collaboration

Résumé Technique : Développer la Préparation aux Ports Intelligents

Énoncé du Problème
La numérisation rapide des opérations portuaires sous le paradigme de l'Industrie 4.0 a créé un décalage critique entre les résultats de l'enseignement maritime et les exigences de la main-d'œuvre des ports intelligents. Alors que les ports investissent massivement dans l'automatisation, les jumeaux numériques et la cybersécurité, les filières de capital humain restent fragmentées. La littérature existante souffre de trois limitations primaires : (1) les compétences sont étudiées en silos, séparant les compétences transférables (soft skills) de la compétence numérique-réglementaire ; (2) les modèles supposent des parcours linéaires et directs des compétences vers la préparation, ignorant les mécanismes d'activation (spécifiquement la qualité de la formation) nécessaires pour convertir le potentiel latent en une capacité démontrable ; et (3) le domaine commet un « sophisme de l'antécédent », traitant la collaboration industrie-académie comme un prédicteur direct des résultats plutôt que comme un facteur conditionnel qui façonne la force de la traduction des compétences. Cette étude aborde ces lacunes en examinant comment les compétences transférables et la compétence numérique-réglementaire influencent la préparation des diplômés, en testant spécifiquement le rôle médiateur de la qualité de la formation et le rôle modérateur de l'intensité de la collaboration.

Méthodologie
L'étude emploie un plan de recherche quantitatif transversal fondé sur une épistémologie positiviste. Les données ont été collectées via un sondage auprès de 388 parties prenantes maritimes, incluant des étudiants, du personnel opérationnel portuaire, des gestionnaires, des universitaires et des professionnels issus de divers types d'organisations (autorités portuaires, compagnies maritimes, institutions éducatives et organismes de réglementation). La stratégie d'échantillonnage a utilisé un échantillonnage intentionnel stratifié suivi d'un échantillonnage par boule de neige afin d'atténuer le biais de source unique.

L'analyse a utilisé la modélisation par équations structurelles de moindres carrés partiels (PLS-SEM) via SmartPLS 4.0. Cette approche a été choisie pour son orientation prédictive, sa capacité à traiter des données non normales et sa pertinence pour les modèles complexes impliquant la modération et la médiation. Le modèle conceptuel intègre la Théorie du Capital Humain, la Théorie des Capacités Dynamiques et la Théorie des Systèmes Sociotechniques. Il postule :

• Variables Indépendantes : Compétences Transférables (CT) et Compétence Numérique et Réglementaire (CNR).
• Médiateur : Qualité de la Formation Orientée vers l'Industrie (QFOI).
• Modérateur : Intensité de la Collaboration Industrie-Académie (ICIA).
• Variable Dépendante : Préparation des Diplômés pour l'Industrie du Port Intelligent (PDPI).

Les tests de robustesse comprenaient des évaluations du biais de méthode commune (test du facteur unique de Harman, test de colinéarité complète et test de la variable marqueur), de la validité discriminante (Fornell-Larcker, HTMT et chargements croisés) et de la multicolinéarité (VIF). Le modèle a démontré un excellent ajustement (SRMR < 0,05) et une haute pertinence prédictive ($Q^2 > 0,70$).

Résultats Clés
Le modèle structurel a expliqué 74,9 % de la variance de la préparation des diplômés ($R^2 = 0,749$). Les résultats soutiennent les hypothèses suivantes :

1. Effets Directs : Tant les Compétences Transférables ($\beta=0,272, p<0,001$) que la Compétence Numérique et Réglementaire ($\beta=0,201, p<0,001$) influencent de manière significative et positive la préparation des diplômés. Notamment, les compétences transférables ont démontré un effet direct légèrement plus fort que la compétence numérique-réglementaire.
2. Médiation : La Qualité de la Formation Orientée vers l'Industrie (QFOI) sert de médiateur partiel significatif.
   • Les CT influencent positivement la QFOI ($\beta=0,636$), qui à son tour influence la PDPI ($\beta=0,313$). L'effet indirect des CT sur la PDPI via la QFOI est de 0,199.
   • La CNR influence positivement la QFOI ($\beta=0,510$), qui influence la PDPI. L'effet indirect de la CNR sur la PDPI via la QFOI est de 0,160.
   • Environ 42 à 44 % de l'effet total des compétences sur la préparation est médiatisé par la qualité de la formation.
3. Modération : L'Intensité de la Collaboration Industrie-Académie (ICIA) agit comme un modérateur positif, mais modeste, pour les deux voies.
   • L'interaction ICIA × CT sur la PDPI est significative ($\beta=0,088, p<0,001$) avec une petite taille d'effet ($f^2=0,034$).
   • L'interaction ICIA × CNR sur la PDPI est significative ($\beta=0,097, p<0,001$) avec une petite taille d'effet ($f^2=0,040$).
   • Cela indique que bien que la collaboration renforce la traduction des compétences en préparation, elle opère comme une condition limite plutôt que comme un moteur direct, avec des preuves de rendements décroissants à des niveaux d'intensité plus élevés.

Signification et Contributions
L'article revendique trois contributions primaires à la recherche et à la pratique de l'éducation maritime :

1. Avancement Théorique : L'étude remet en question le récit de la « collaboration comme panacée » en démontissant empiriquement que l'intensité de la collaboration est une condition limite (modérateur) plutôt qu'un antécédent direct de la préparation. Elle étend également la Théorie du Capital Humain en validant que les compétences nécessitent une activation par la qualité de la formation pour devenir productives, plutôt que de fonctionner comme des moteurs directs de productivité.
2. Nouveauté Empirique : Il s'agit de la première étude testant simultanément les compétences transférables et la compétence numérique-réglementaire au sein d'un seul modèle de médiation modérée pour la préparation aux ports intelligents. Elle dépasse le récit « priorité au numérique » en montrant que les compétences transférables sont aussi critiques, voire légèrement plus, pour les rôles portuaires terresturs.
3. Implications Pratiques : Les résultats suggèrent une redirection stratégique des ressources.
   • Pour les Éducateurs : Les curricula devraient équilibrer les soft skills et la formation technique, en mettant l'accent sur la qualité de la formation orientée vers l'industrie (réalisme, pertinence et expérience des instructeurs) plutôt que de simplement augmenter la fréquence de la collaboration.
   • Pour les Décideurs Politiques : Le financement devrait prioriser les programmes de certification conjoints et les normes de qualité pour l'infrastructure de formation plutôt que des cibles prescriptives de l'intensité de la collaboration (ex: exiger l'apport de l'industrie pour chaque cours), car les données suggèrent des rendements décroissants au-delà de niveaux de collaboration modérés.
   • Pour les Employeurs : Les pratiques de recrutement devraient prioriser les compétences de résolution de problèmes transférables, le perfectionnement numérique étant fourni ultérieurement, car le modèle indique que ces soft skills ont un effet total plus important sur la préparation.

L'étude conclut que la préparation aux ports intelligents ne s'obtient pas par l'accumulation de compétences ou la signature de protocoles d'accord, mais par l'activation des compétences transférables et numériques-réglementaires à travers une formation de haute qualité orientée vers l'industrie, la collaboration stratégique agissant comme un catalyseur plutôt que comme une solution en soi.