WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Apprentissage implicite de régularités: Mise en évidence d'une différence d'apprentissage entre tâches motrices continues et discrètes

( Télécharger le fichier original )
par Stéphanie Chambaron Ginhac
Université de Bourgogne - Doctorat 2005
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

4.5 Expérience 4

Cette expérience a pour but d'explorer l'hypothèse selon laquelle une partie des démonstrations antérieures (Wulf & Schmidt, 1997 ; Shea & al, 2001) mettant en évidence un apprentissage implicite dans les situations de poursuite continue serait due à l'utilisation d'un segment répété qui serait plus facile à pister que la plupart des segments aléatoires.

Dans cette expérience, nous avons donc employé le même segment répété standard que celui utilisé dans la plupart de ces études, et ce pour tous les sujets (contrairement à nos expériences dans lesquelles le segment répété était propre à chaque sujet). En dehors de cette modification, la procédure générale demeure identique à celle utilisée dans les expériences 1,

2 et 3.

4.5.1 Méthode

Sujets

Vingt deux étudiants de Psychologie (18 filles et 4 garçons) ont été recrutés pour participer à l'étude. Les participants n'avaient pas d'expérience antérieure avec la tâche. Tous avaient une vision normale ou parfaitement corrigée.

Matériel, Stimuli et Procédure

Le matériel et les stimuli sont identiques à ceux employés dans l'expérience 1. La procédure est également identique à celle de l'expérience 1, avec une phase de pratique comprenant douze essais de 36 s, séparés chacun par une pause de 10 secondes. Cependant,

ici le segment répété est le même pour tous les sujets. Les coefficients pour ce segment (i.e le segment répété standard) sont ceux utilisés dans la plupart des études de Wulf et collaborateurs. Il s'agit de : b0=-1.52, a1 = -4.0, b1 = 3.0, a2 = -4.0, b2 = -3.6, a3 = 3.9, b3 =

4.5, a4=0.0, b4 = 1.0, a5 = -3.8, b5=-0.5, a6 = 1.0, b6 = 2.5 et =35°. La Figure 4.9 représente

le déplacement de la cible sur le segment standard répété en utilisant ces coefficients dans l'équation sinus cosinus décrite au paragraphe 4.1.1. De plus, ce segment répété est découpé

en trois fragments A, B et C comme nous l'avons déjà fait dans nos expériences précédentes.

Ces trois fragments sont utilisés lors du test de reconnaissance.

Bord gauche

de l'écran

Centre de

l'écran

Bord droit

de l'écran

Fragment A

3.72

Fragment B

8.33

Fragment C

12

Temps (s)

Figure 4.9: Représentation du déplacement de la cible sur l'écran calculé à partir du segment

répété standard utilisé par Wulf et collaborateurs. Ce segment d'une durée de 12 secondes est découpé en 3 fragments A, B et C.

4.5.2 Résultats

Phase de pratique

La Figure 4.10 illustre l'évolution de la RMSE et du temps sur cible au fil des essais, permettant ainsi de comparer les performances obtenues sur le segment répété par rapport à celles obtenues sur les segments aléatoires. Trois points principaux ressortent de cette figure.

Premièrement, les performances s'améliorent (diminution de la RMSE et augmentation

du temps sur cible) au cours des trois premiers essais puis restent stables durant les essais suivants. Deuxièmement, les performances sur le segment répété sont supérieures à celles obtenues sur les segments aléatoires. Troisièmement, cet écart de performances est présent dès le premier essai. Ce dernier point est inattendu dans la mesure où, tous les segments, qu'ils soient répétés ou aléatoires, sont construits de manière identique et devraient donc être

de complexité similaire. De ce fait, il aurait été logique d'obtenir des performances quasi

identiques lors du premier essai.

52

Répété

50 Aléatoire

48

46

RMSE (pixels)

44

42

40

38

36

34

32

e1 e2 e3 e4 e5 e6 e7 e8 e9 e10 e11 e12

Essais

54

52

50

Temps sur cible (%)

48

46

44

42

40 Répété

Aléatoire

38

e1 e2 e3 e4 e5 e6 e7 e8 e9 e10 e11 e12

Essais

Figure 4.10 : Evolution de la RMSE et du temps sur cible au fil des essais pour les segments

répétés et aléatoires dans l'expérience 4.

Une ANOVA est réalisée avec les essais (N=12) et le type de segment (répété versus

aléatoire) comme facteurs intra sujets. Cette analyse statistique vient conforter ces observations. Tout d'abord, un effet significatif des essais ressort pour les deux variables dépendantes (F(11,231)=3.59; p<.001 pour la RMSE et F(11,231)=4.54; p<.001 pour le temps

sur cible) avec une augmentation des performances, ce qui traduit une amélioration non spécifique des performances.

Plus important encore, la précision de la poursuite est meilleure sur le segment répété que sur les segments aléatoires dès le premier essai. La différence est significative (F(1,21)=26.83, p<.001 pour la RMSE et F(1,21)= 44.54; p<.001 pour le temps sur cible), et

la taille d'effet est grande (Eta carré partiel égal à 0.56 pour la RMSE et égal à 0.68 pour le temps sur cible). Cependant, cette différence n'augmente pas au fil des essais comme l'indique l'interaction non significative entre les essais et le type de segments (F(11,231)=0.59 ; p=.831 et F(11,231)= 1.44 ; p=.152).

Pour expliquer cette différence de performances entre les segments répétés et aléatoires constatée dès le premier essai, il paraît judicieux de faire une analyse plus détaillée permettant d'étudier les performances sur chacun des trois fragments A, B et C composant le segment répété, afin de les comparer avec celles obtenues sur les segments aléatoires. Ainsi, le plan d'analyse utilisé est : S22 * E12 * T4 avec S représentant les sujets, E le nombre d'essais et T le type de fragments avec quatre modalités (« fragment A », « fragment B », « fragment C » et

« segment aléatoire »). L'évolution de la RMSE et du temps sur cible pour les fragments répétés et pour le segment aléatoire est représentée sur la Figure 4.11.

Dès le premier essai, une différence importante apparaît entre le fragment C et les deux autres fragments ainsi qu'avec le segment aléatoire, tant sur la RMSE (erreur inférieure de 15

à 20 pixels pour le fragment C) que sur le temps sur cible (temps supérieur de 15 à 20 %). Par

la suite, les performances sur l'ensemble des fragments augmentent mais la différence initiale demeure approximativement constante jusqu'au dernier essai. Concernant les autres fragments, il ressort que les performances les meilleures sont d'abord obtenues sur le fragment A, puis sur le segment aléatoire et enfin que c'est le fragment B qui donne lieu aux moins bonnes performances.

55

Fragment A

50 Fragment B

Fragment C

45 Aléatoire

RMSE (pixels)

40

35

30

25

20

15

e1 e2 e3 e4 e5 e6 e7 e8 e9 e10 e11 e12

Essais

70

Fragment A

65 Fragment B

Fragment C

60 Aléatoire

Temps sur cible (%)

55

50

45

40

35

30

e1 e2 e3 e4 e5 e6 e7 e8 e9 e10 e11 e12

Essais

Figure 4.11 : Evolution de la RMSE et du temps sur cible au fil des essais pour les fragments A, B,

C et pour les segments aléatoires

Du point de vue statistique, nous retrouvons des résultats similaires à ceux obtenus lors

de la précédente analyse, puisque le segment répété est constitué de l'enchaînement successif des trois fragments A, B et C. De fait, un effet simple des essais est obtenu pour la RMSE (F(11,231)=3.7; p<.001) et pour le temps sur cible (F(11,231)=4.11; p<.001) ainsi qu'un effet simple du type de fragment (F(3,63)=56.72; p<.001 pour la RMSE et F(3,63)=137.69; p<.001 pour le temps sur cible). De plus, aucun effet significatif de l'interaction essais x type de fragment ne ressort ni sur la RMSE (F(33,693)=1.29; p=.126) ni sur le temps sur cible (F(33,693)=1.20; p=.204).

De plus, des comparaisons planifiées ont permis d'observer la différence de

performances entre les fragments répétés et les segments aléatoires. Il ressort que les résultats obtenus sur le fragment C sont significativement supérieurs à ceux obtenus sur le segment aléatoire, aussi bien pour la RMSE (F(1,21)=132.50; p<.001) que pour le temps sur cible (F(1,21)=225.93; p<.001). Ces résultats indiquent que le fragment C semble plus facile à pister. Une explication éventuelle réside dans la construction même de ce fragment. En effet, celui-ci est constitué uniquement de trois mouvements de faible amplitude.

Au vu de ces résultats, il est vraisemblable de penser que l'écart de performances entre

le segment répété et les segments aléatoires, mis en évidence dans la première analyse, soit dû principalement à la plus grande facilité du fragment C.

Test de reconnaissance

Le test de reconnaissance effectué est en tout point identique à celui effectué dans nos expériences précédentes. Une ANOVA S22 * T2 est réalisée dans le but de comparer le degré

de reconnaissance entre les segments répétés et aléatoires. Les notes attribuées aux segments

déjà vus sont largement supérieures (6.42) à celles attribuées aux segments aléatoires (5.15)

comme l'illustre la Figure 4.12.

8.5

Degré de reconnaissance

8

7.5

7

6.5

6

5.5

5

4.5

4

3.5

3

Vus Non Vus

Type de segments

Figure 4.12 : Degré de reconnaissance des différents types de segments. Les barres d'erreurs

représentent l'écart type de la moyenne.

Ceci est confirmé par l'analyse statistique effectuée. Celle-ci révèle une différence

significative entre les segments vus versus non vus: F(1,21)=5.52; p<.028 montrant que cette fois, les sujets reconnaissent mieux le segment répété standard que les autres segments aléatoires.

Afin d'affiner ces résultats, une analyse statistique supplémentaire est effectuée sur les fragments A, B et C (déjà vus) et les segments aléatoires (non vus). Le plan d'analyse est : S22

* T4 avec S représentant les sujets et T le type de fragment avec quatre modalités (A, B, C et

aléatoire). La Figure 4.13 indique que les fragments A et B sont les mieux reconnus. Les notes obtenues sur ces deux fragments sont bien supérieures à ce que le hasard permettrait d'attendre. Le segment aléatoire obtient une note proche du hasard, à savoir 5. A l'opposé, le fragment C est le moins bien identifié avec une note moyenne inférieure à tous les autres fragments.

10

9

Degré de reconnaissance

8

7

6

5

4

3

2

1

0

A B C Non Vus

Type de fragments

Figure 4.13 : Degré de reconnaissance des différents types de segments. Les barres d'erreurs

représentent l'écart type de la moyenne.

Les différences observées entre tous ces fragments se retrouvent du point de vue statistique (F(3,63)= 10.32; p<.001). De plus, des comparaisons planifiées révèlent un écart

Discussion sur l'expérience 4 71

significatif entre le fragment A et le segment aléatoire (F(1,21)=16.50; p<.001) et entre le

fragment B et le segment aléatoire (F(1,21)=12.81; p<.002). Par contre, aucun effet ne ressort entre le fragment C comparé au segment aléatoire (F(1,21)=0.91; p=.350).

Au final, le test de reconnaissance révèle que les fragments A et B sont « reconnus » puisque les notes attribuées à ces fragments sont bien supérieures aux notes du segment aléatoire. A l'opposé, la situation inverse se produit pour le fragment C. Il s'agit d'un fragment de faible difficulté donnant lieu à de très bonnes performances lors de la phase de pratique, mais qui n'est pas reconnu lors du test de reconnaissance.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"L'imagination est plus importante que le savoir"   Albert Einstein