effet du nombre des graphèmes en Anglais - Aix Marseille Université

148Des prédictions au niveau des motsEnfin, la Figure 8.5.C présente la distribution des erreurs standard mesurées pour chaqueitem. Comme nous allons le voir dans la section suivante, les scores d'erreur standard sontrelativement bas en moyenne. Ceci est dû au grand nombre de sujets enregistrés qui nouspermet de réduire de manière importante une grande partie de l'erreur.8.2. Questions de méthodologieCette étude se distingue donc des précédentes études situant leur analyse au niveau desmots (1) par le nombre de mots choisi et (2)par le nombre de sujets enregistrés. Le point leplus important concerne le nombre de sujets. En effet, augmenter le nombre de sujets permetde diminuer l'erreur à la moyenne théorique et donc d'obtenir des moyennes par item plusfiables pour entreprendre l'évaluation des modèles. Nous illustrons ce point par différentesanalyses, rendues possibles grâce au large échantillon de latences d'identification que nousavons obtenues.Tout d'abord, si l'on considère le calcul de l'erreur standard comme un indice permettantd'estimer l'erreur à la moyenne théorique, on peut voir à la Figure 8.7 que cet indice décroît demanière exponentielle à mesure que le nombre de sujets (i.e., la taille de l'échantillon) augmente.Si nous nous plaçons dans la même situation expérimentale que Spieler et Balota(1997) notamment, si nous basons nos moyennes par item sur des échantillons de 30 sujets,nous obtenons une erreur standard deux fois plus importante que celle obtenue avec 140 sujets.Ainsi, en augmentant d'un facteur 100 l'échantillon pour le calcul de la moyenne, nousréduisons de moitié le bruit se trouvant dans nos moyennes par item.100ErreurStandard7530 sujets50140 sujets25Ecart Type = 30900 100 1000 10000Taille EchantillonFigure 8.7. : Evolution de l'erreur standard en fonction de la taille de l'échantillon. L'erreur standard est calculéeen fonction de l'écart type moyen obtenu en considérant l'ensemble des items.