effet du nombre des graphèmes en Anglais - Aix Marseille Université

154Des prédictions au niveau des motsLa Figure 8.9 montre neuf exemples différents de l'évolution de la moyenne d'un item (icile mot CLAIM) en fonction du nombre de sujets. On voit ici clairement qu'il existe encore delarges fluctuations de la moyenne tant que celle-ci ne comprend pas plus de 80 sujets. Si onse place encore une fois dans une position où la moyenne par item est calculée sur seulement30 sujets, on voit qu'il existe encore pour ce nombre de sujets de très importants écarts parrapport à la moyenne à 140 sujets. Plus précisément, si l'on regarde les Figures 8.10 et surtout8.11, on constate que, pour des échantillons de 30 sujets, les écarts à la moyenne calculéesur 140 sujets varient à l'intérieur de l'intervalle [-100 100] millisecondes. Si on se réfère à laFigure 8.5.A présentant les distributions des moyennes des latences d'identification pour les120 mots (calculées sur 140 sujets), on voit que cet intervalle de [-100 100] millisecondesrecouvrent alors la distribution des moyennes par items. En revanche, pour des moyennescalculées sur 120 sujets, on voit que les écarts se distribuent dans l'intervalle [-20 20] millisecondes.Cet intervalle reste important et indique qu'il reste encore une grande part d'erreurdans ces moyennes, mais il n'est toutefois pas comparable à l'intervalle de [-100 100] millisecondesobtenu pour des moyennes basées sur 30 sujets.En résumé, avec ces différentes analyses, nous tentons de montrer l'importance, dans leschoix expérimentaux, du nombre des sujets enregistrés pour le calcul des moyennes par itemsafin de pouvoir proposer, au niveau des objectifs théoriques, des tests robustes et réplicables.Ces analyses suggèrent que des expériences souhaitant mesurer le temps de traitement moyende mots pris individuellement devraient se baser sur un échantillon d'au moins 100 sujets.Ceci permet de réduire considérablement l'erreur qui persiste dans ces mesures lorsqu'ellessont réalisées avec un échantillon de 30 sujets et ceci permet également d'obtenir des corrélationsinter-études plus élevées (vers 0.8 en moyenne) confortant ainsi la fiabilité de ces mesures.L'étude que nous avons réalisée répond à ce critère et fournit ainsi une base de donnéesempiriques solide qui peut être utilisée pour évaluer l'adéquation des prédictions des modèlescomputationnels existants.8.3. Paramètres linguistiquesDans cette section, nous présentons des analyses préliminaires réalisées avec les moyennespar items obtenues dans notre expérience. Ces analyses visent à déterminer le pourcentage devariance expliquée à l'aide de différents facteurs linguistiques ortho-phonologiques classiques