13.07.2015 Views

effet du nombre des graphèmes en Anglais - Aix Marseille Université

effet du nombre des graphèmes en Anglais - Aix Marseille Université

effet du nombre des graphèmes en Anglais - Aix Marseille Université

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

146Des prédictions au niveau <strong>des</strong> mots<strong>des</strong> distributions <strong>des</strong> lat<strong>en</strong>ces, on constate que les performances d'un sujet à l'autre pour les120 mots ne sont pas corrélées. C'est ce que montre la Figure 8.4. Cette figure prés<strong>en</strong>te lescoeffici<strong>en</strong>ts de corrélation obt<strong>en</strong>us <strong>en</strong> corrélant systématiquem<strong>en</strong>t les 140 sujets <strong>en</strong>tre eux(9730 corrélations). Ce graphe indique l'abs<strong>en</strong>ce de systématicité d'un indivi<strong>du</strong> à l'autre dansles temps d'id<strong>en</strong>tification <strong>des</strong> 120 mots.3000Paires de Sujets2500N=97302000150010005000-0.5 0 0.5 1Coeffici<strong>en</strong>t de Corrélation inter-sujetsFigure 8.4. : Distribution <strong>des</strong> coeffici<strong>en</strong>ts de corrélation <strong>en</strong>tre les 9730 paires formées <strong>en</strong> combinant chacun<strong>des</strong> 140 sujets avec les autres.Sur la base de ces données par sujet, nous calculons <strong>en</strong>suite les lat<strong>en</strong>ces d'id<strong>en</strong>tificationmoy<strong>en</strong>nes pour chaque item, ainsi que le pourc<strong>en</strong>tage d'erreurs et l'erreur standard (voir pourle détail de ces mesures l’Annexe VII). Pour les lat<strong>en</strong>ces de réponse, on constate que lagrande majorité <strong>des</strong> lat<strong>en</strong>ces se trouv<strong>en</strong>t dans l'intervalle [2200 2300] ms avec <strong>des</strong> différ<strong>en</strong>cesallant jusqu'à 200 ms <strong>en</strong>tre les items id<strong>en</strong>tifiés le plus rapidem<strong>en</strong>t et ceux id<strong>en</strong>tifiés le moinsrapidem<strong>en</strong>t (cf. Figure 8.5A). Ces différ<strong>en</strong>ces importantes <strong>en</strong>tre items indiqu<strong>en</strong>t que la tâchede LIP permet une bonne discrimination <strong>en</strong>tre les temps d'id<strong>en</strong>tification pour chaque item.Ainsi, la largeur de la distribution de ces lat<strong>en</strong>ces permet d'<strong>en</strong>visager un ordonnancem<strong>en</strong>t relativem<strong>en</strong>trobuste depuis l'item reconnu le plus rapidem<strong>en</strong>t jusqu'à l'item reconnu le plus tardivem<strong>en</strong>t.Par ailleurs, les pourc<strong>en</strong>tages d'erreurs pour chaque item sont dans l'<strong>en</strong>semble inférieursà 5% (cf. Figure 8.5.B). Ce type de résultat plaide <strong>en</strong> faveur de la tâche de LIP, puisquede faibles scores au niveau <strong>du</strong> pourc<strong>en</strong>tage d'erreur permett<strong>en</strong>t un plus grand <strong>nombre</strong> de mesuresde lat<strong>en</strong>ces prises <strong>en</strong> compte dans la moy<strong>en</strong>ne de chaque item (d'où une meilleure estimationde cette moy<strong>en</strong>ne).

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!