effet du nombre des graphèmes en Anglais - Aix Marseille Université

102MROM-pLorsque le modèle génère le comportement attendu, nous le testons, dans une secondeétape, au niveau d'un groupe de mots issu de données expérimentales (i.e., Coltheart et al.,1977). Nous répliquons ainsi le résultat expérimental de Coltheart et al. (1977) ce qui nousconduit à la troisième étape : généraliser ce résultat (i.e., l'effet de pseudohomophonie) à unautre ensemble de données portant sur le même effet (Seidenberg et al., 1996). Cette troisièmeétape consiste également à généraliser la validité du paramètrage choisi à un autre effet expérimental: l'effet de consistance grapho-phonologique (Stone et al., 1997). La bonne performancedu modèle pour ces différents effets valide dans un premier temps le choix des paramètreslibres. Il reste alors la quatrième étape de test au cours de laquelle le modèle est comparéaux performances de modèles concurrents. Puis, la cinquième étape vise à reconsidérer età réviser les choix computationnels en fonction des résultats des précédentes étapes. Notreévaluation du MROM-p s'est arrêtée pour le moment à l'étape 3.En cas d'échec du modèle dans une comparaison avec des données empiriques, deux possibilitéssont à envisager : 1) soit il s'agit d'une insuffisance au niveau du paramétrage ; 2) soitil s'agit d'une limite liée à la structure du modèle et aux choix computationnels. S'il s'agit d'uneerreur de paramétrage, il est possible d'essayer un nouvel ensemble de paramètres et de recommencerensuite l'ensemble des tests expérimentaux. L'impossibilité de trouver un tel ensemblede paramètres suggère au contraire une limitation computationnelle du modèle, laquellepeut être résolue par une modification, cette fois, de certains choix computationnels.Par exemple, Jacobs et Grainger (1992) ne parviennent pas à simuler les résultats obtenus parAndrews (1992), montrant un effet facilitateur du voisinage orthographique pour des motspeu fréquents, dans une tâche de décision lexicale. Ces simulations sont réalisées avec la versionSIAM (pour "Semistochastic" Interactive Activation Model) du modèle d'activation interactive.La version MROM (Grainger & Jacobs, 1996), en revanche, parvient à simuler cerésultat en gardant la structure et la dynamique du SIAM et en ajoutant simplement d'autresprocédures de réponse (i.e., lecture de la réponse sur la base de l'activation lexicale globale).Dans ce cas, la modification apportée ne se situe pas au niveau des paramètres fixant la dynamiquedu modèle (ces paramètres étant identiques d'une version à l'autre), mais au niveaudes choix computationnels régissant la procédure de réponse. Ainsi, comme on peut le voir, ilexiste deux niveaux d'ajustement possibles d'un modèle : l'un se situant au niveau de sa dy-