effet du nombre des graphèmes en Anglais - Aix Marseille Université

138FUMà une entité extérieure au système cognitif) par un concept d'unité dynamique. C'est vers cetype de concept que nous souhaitons tendre en employant la notion d'unité et de niveau dereprésentation des unités orthographiques fonctionnelles. En effet, ces groupes de lettres ont apriori le statut de représentations symboliques statiques dans notre modèle. Or, il faudraitplutôt imaginer ces unités comme le résultat d'interactions entre des information visuelles etdes informations phonologiques. Ces unités symboliseraient la dynamique des interactionsentre visuel et phonologique qui ont eu lieu au cours de l'acquisition de la lecture, et représenteraientdonc "le lieu" où ces informations se soudent et s'associent.7.3.3. Vers un consensus empirique pour tester les modèlesUn dernier point à discuter concerne les données empiriques qui contraignent l'élaborationdes modèles de la perception des mots écrits. Comme nous l'avons dit au chapitre 4, il n'existepas à l'heure actuelle de consensus sur un ensemble de données empirique robustes, consensusautour duquel les différents modèles proposés peuvent se rencontrer et être évalués. Untel consensus pourrait regrouper un ensemble d'études critiques qui auraient été répliquéesplusieurs fois, afin de valider leur robustesse, et également la taille des effets observés. Cesétudes devraient présenter des effets marqués, avec des analyses statistiques par sujet et paritem toutes deux significatives. De telles données permettraient ainsi de spécifier très précisémentle domaine de performance dans lequel doit se situer un modèle. En effet, face auxmodèles computationnels, qui sont des outils théoriques puissants, il faut également des donnéesempiriques fortes afin de délimiter avec précision le domaine des combinaisons théoriquespossibles.7.3.4. De nouvelles contraintes empiriquesLes modèles computationnels sont en mesure de fournir des prédictions sur les performancesd'identification de sujets pour des mots pris individuellement. En effet, chaque stimulus,présenté à un modèle computationnel donné, génère certaines activités à différentsniveaux dans le modèle, et la combinaison dynamique de ces activités conduit à une latenced'identification (mesurée en cycles de traitement) spécifique pour chaque mot. Récemment,certaines études se sont proposé de fournir des données empiriques se situant au niveau desmots, pris individuellement, afin de tester la dynamique fine des modèles disponibles (Spieler