effet du nombre des graphèmes en Anglais - Aix Marseille Université

Des prédictions au niveau des mots 149Un autre argument en défaveur des études réalisées avec uniquement 30 sujets vient desfaibles corrélations obtenues entre les moyennes par items de ces différentes études (WayneState vs. McGill : r = .41 ; Washington vs. McGill : r = .54). Afin d'estimer comment varientces corrélations en fonction du nombre de sujets utilisés, nous pouvons simuler, grâce à nosdonnées, tout un ensemble d'expériences virtuelles différentes. Par exemple, nous pouvonsconstituer deux groupes A et B de 10 sujets pris au hasard parmi notre population de 140sujets (tous les sujets de A étant différents de tous les sujets de B). Nous calculons lesmoyennes pour chacun des 120 items à partir des données de ces deux groupes de 10 sujets.Nous obtenons ainsi 120 moyennes pour A et 120 moyennes pour B. Nous corrélons ensuiteces deux ensembles de moyennes et obtenons un certain coefficient de corrélation entre lesmoyennes par item de ces deux groupes. Nous répétons cette opération 1000 fois et obtenonsdonc 1000 coefficients de corrélation. La Figure 8.8. présente les distributions de ces coefficientsde corrélation obtenus pour différentes tailles d'échantillons : de 10 à 70 sujets pargroupe 16 . Ces graphes nous montrent qu'en augmentant le nombre de sujets dans le calcul dela moyenne par items, on augmente la probabilité d'obtenir un coefficient de corrélation élevéentre deux études indépendantes. Plus précisément, dans la situation où se trouvent les étudesprécédentes (i.e., avec des groupes indépendants constitués environ de 30 sujets chacun), onconstate qu'elle ne peuvent espérer atteindre en moyenne qu'un coefficient de corrélation de0.6 (l'intervalle des valeurs les plus probables étant [.5 .7]). En revanche, on remarque qu'enaugmentant l'échantillon des groupes indépendants jusqu'à 60-70 sujets, les distributions descoefficients de corrélation tendent vers une valeur de .8 en moyenne (avec des valeurs minimalesde .65). On voit alors que de tels choix expérimentaux (i.e., augmenter le nombre desujets) peuvent se révéler cruciaux pour la robustesse et la réplicabilité des moyennes paritems.Afin d'aborder de manière plus quantitative (i.e., en termes de millisecondes) la question dela taille de l'erreur commise en fonction de la taille de l'échantillon, nous pouvons réaliser uneanalyse supplémentaire à l'aide de nos données. Dans cette analyse, nous commençons parclasser dans un ordre aléatoire les 140 sujets. Puis, nous calculons les moyennes par itempour l'ensemble des 20 premiers sujets de la liste. Nous comparons ensuite ces moyennes16Dans le cas où nos deux groupes sont constitués de 70 sujets, nous partageons donc en deux notre populationde 140 sujets créant ainsi deux sous-groupes A et B indépendants.