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
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
160Des prédictions au niveau <strong>des</strong> motstemps de réponse <strong>du</strong> sujet X pour le mot Y. On intro<strong>du</strong>it donc ici une grande source de bruit.Une solution à ce problème est de faire répéter l'expéri<strong>en</strong>ce une vingtaine de fois, par exemple,pour chaque sujet. Dans de telles conditions, on obti<strong>en</strong>t une moy<strong>en</strong>ne <strong>des</strong> performances <strong>du</strong>sujet X sur le même mot Y. Cette mesure fournit un meilleur indice pour résumer la distributionthéorique <strong>des</strong> temps d'id<strong>en</strong>tification <strong>du</strong> sujet X pour le mot Y et permet de ré<strong>du</strong>ire <strong>en</strong>corel'erreur pro<strong>du</strong>ite. Cep<strong>en</strong>dant, cette solution risque de générer un autre problème. En <strong>effet</strong>, <strong>en</strong>répétant le traitem<strong>en</strong>t d'un mot, on change aussi, d'une certaine manière, son statut lexical : unmot peu fréqu<strong>en</strong>t n'aurait plus tout à fait le statut de mot peu fréqu<strong>en</strong>t après avoir été traitéplusieurs fois par le système de lecture. Le risque est donc que la répétition interagisse avec lestatut lexical <strong>des</strong> mots.Une autre solution au problème <strong>du</strong> bruit est de ne plus placer notre analyse strictem<strong>en</strong>t auniveau <strong>des</strong> mots mais au niveau de petits groupes de mots. En <strong>effet</strong>, l'objectif de ce type d'étu<strong>des</strong>est de parv<strong>en</strong>ir à ordonner une série de mots <strong>en</strong> fonction de leur lat<strong>en</strong>ces d'id<strong>en</strong>tification.Finalem<strong>en</strong>t, c'est bi<strong>en</strong> cet ordre <strong>des</strong> performances que doiv<strong>en</strong>t repro<strong>du</strong>ire et simuler les modèles.Or, la prés<strong>en</strong>ce de bruit, inévitable, ne permet pas de considérer les mesures obt<strong>en</strong>uescomme reflétant de manière fiable l'ordre théorique <strong>des</strong> performances pour ces mots. Ceci estillustré à la Figure 8.15. L'ordre <strong>des</strong> mots sur une échelle temporelle est défini par les tempsd'id<strong>en</strong>tification moy<strong>en</strong>s obt<strong>en</strong>us pour chaque mot. Cet ordre est variable d'une expéri<strong>en</strong>ce àl'autre lorsque le <strong>nombre</strong> de sujets utilisés est peu élevé (cf. les coeffici<strong>en</strong>ts de corrélations<strong>en</strong>tre les étu<strong>des</strong> de Wayne State, McGill et Washington). Pour un grand <strong>nombre</strong> de sujets <strong>en</strong>revanche, les variations de l'ordre <strong>des</strong> performances, d'une étude à l'autre, sont ré<strong>du</strong>ites. Il rest<strong>en</strong>éanmoins que, <strong>en</strong> dépit de ces variations de l'ordre <strong>des</strong> performances, certains groupes demots seront toujours traités plus rapidem<strong>en</strong>t que d'autres. Aussi, <strong>en</strong> divisant <strong>en</strong> petits groupesl'ordre <strong>des</strong> performances au niveau <strong>des</strong> mots, et <strong>en</strong> calculant une moy<strong>en</strong>ne commune pour cesgroupes, les corrélations inter-étu<strong>des</strong> doiv<strong>en</strong>t être meilleures et, donc, les données proposéespour tester les performances <strong>des</strong> modèles de ce fait plus robustes.