La discrimination visuelle et sémantique des mots

Transcription

UNIVERSITE PARIS 8 – VINCENNES- SAINT-DENIS
U.F.R. Psychologie, Pratiques Cliniques et Sociales
THESE
pour obtenir le grade de
DOCTEUR DE L’UNIVERSITE PARIS 8
Discipline : Psychologie des Processus Cognitifs
présentée et soutenue publiquement
par
Laure LEGER
le 08 janvier 2004
La discrimination visuelle et sémantique des mots dans les
affordances lexicales
Directeurs de thèse : Charles TIJUS
Thierry BACCINO
JURY
M. Jean François RICHARD, Président du Jury
M. Jean Marie CELLIER , Rapporteur
M. Joël PYNTE , Rapporteur
M. Charles TIJUS, Directeur de Thèse
M. Thierry BACCINO, Directeur de Thèse
UNIVERSITE PARIS 8 – VINCENNES- SAINT-DENIS
U.F.R. Psychologie, Pratiques Cliniques et Sociales
THESE
pour obtenir le grade de
DOCTEUR DE L’UNIVERSITE PARIS 8
Discipline : Psychologie des Processus Cognitifs
présentée et soutenue publiquement
par
Laure LEGER
le 08 janvier 2004
La discrimination visuelle et sémantique des mots dans les
affordances lexicales
Directeurs de thèse : Charles TIJUS
Thierry BACCINO
JURY
M. Jean François RICHARD, Président du Jury
M. Jean Marie CELLIER , Rapporteur
M. Joël PYNTE , Rapporteur
M. Charles TIJUS, Directeur de Thèse
M. Thierry BACCINO, Directeur de Thèse
Résumé
Les facteurs qui favorisent la reconnaissance et l'identification immédiate de catégories désignées
par des mots sont étudiés par l'intermédiaire d'une tâche de recherche visuelle. Notre hypothèse
générale est que cette affordance lexicale est déterminée par la discrimination des propriétés
visuelles et/ou sémantiques du mot dans son contexte. Les facteurs étudiés sont la structure de
présentation, le nombre de mots qui présentent les mêmes propriétés visuelles que la cible, le type
de propriétés (couleur ou mise en italique), la fréquence lexicale, la distance sémantique entre la
cible et les mots qui l'entourent et la typicalité de cette cible. Les résultats des cinq
expérimentations menées précisent quelles sont les propriétés perceptives et sémantiques qui
permettent l'émergence d'un mot de son contexte, en fonction de groupement et de différenciation
des propriétés relationnelles. Ces résultats sont discutés au regard des différents modèles de
détection de cible (Treisman, 1988; Duncan & Humphreys, 1989, Wolfe, 1994), en termes d'apport
à l'étude des affordances lexicales et d'ergonomie cognitive des interfaces de types web.
Mots clés : Psychologie Cognitive, affordance lexicale, regroupement et différenciation perceptive
et sémantique, détection de cible.
Abstract
Factors which facilitate the immediate recognition and identification of categories indicated by
words are studied using a visual search task. Our main assumption is that word affordance is
determined by word visual and/or semantic properties discriminability. The study factors are the
visual structure, the number of words which share the same visual properties as the target, the
properties type (color or italic font), the lexical frequency, the semantic distance between the target
and the words which constitued its context and the target typicility. The results of the five
experiments conducted specify which are the perceptual and semantic properties which facilitate
the word discriminability from its context, according to the grouping and the differentiation of the
relational proprerties. These results are discussed with different visual search models (Treisman,
1988 ; Duncan & Humphreys, 1989 and Wolfe, 1994), in terms of the word affordance study
contribution and web interface human factors contribution.
Key words : Cognitive Psychology, word affordance, perceptual and semantic grouping and
differentiation, target detection.
Mes premiers remerciements vont aux Professeurs Charles Tijus et Thierry Baccino. Leurs
directives, conseils, et réponses à mes questions y sont pour beaucoup dans l’élaboration de cette
thèse. Et surtout cette co-direction a été très enrichissante et a permis à deux thèmes de recherche les affordances et l’oculométrie cognitive - de cohabiter très naturellement.
Je remercie également Denis Chêne pour son soutien théorique et moral, pour toutes les
discussions faisant suite à ma question : « Dis, Denis, tu n’aurais pas deux minutes ? ».
Je tiens également à remercier Joëlle Blanquet, à l’origine de cette thèse financée par
France Télécom Recherche & Développement (anciennement CNET) par son désir de développer
une méthodologie d’analyse des mouvements oculaires lors de la consultation de pages web à des
fins d’évaluation ergonomique de sites.
Je remercie énormément tous ceux qui m’ont supporté et soutenu pendant ces quatre
années : Valérie, Aïssa, Tristan, Mathilde, Yvan, Cécile, Christophe, Yseult, Cyril et Béatrice.
Enfin je remercie mes parents, Annick et Jean Marie Léger, qui ont contribué pour une
grande partie à ce que je suis aujourd’hui.
Sommaire
Introduction........................................................................................... 7
QU’EST -CE QUE L’AFFORDANCE LEXICALE ?............................................................................................................. 8
La notion d’affordance (Gibson)...........................................................................................................................8
La notion d’affordance lexicale...........................................................................................................................10
La détection de mot ayant comme finalité l’action...........................................................................................11
Plan de la thèse.......................................................................................................................................................13
I. Problématique .................................................................................15
I.1. ETUDIER LES AFFORDANCES LEXICALES............................................................................................................ 16
I.1.1. La détection d’une cible sans signification..............................................................................................16
I.1.2. La détection de mots....................................................................................................................................35
I.1.3. L’oculométrie................................................................................................................................................44
I.1.4. Conclusion.....................................................................................................................................................56
I.2. FAVORISER LES AFFORDANCES LEXICALES : LES FACTEURS DÉTERMINANTS.............................................. 58
I.2.1. Effet de la structure de la scène visuelle..................................................................................................58
I.2.2. L’effet du nombre de mots identiques à la cible.....................................................................................65
I.2.3. L’effet de la fréquence lexicale..................................................................................................................67
I.2.4. L’effet de la distance sémantique ..............................................................................................................68
I.2.5. L’ effet de la typicalité.................................................................................................................................71
II. Expérimentations..........................................................................72
II.1. M ÉTHODE GÉNÉRALE .......................................................................................................................................... 73
II.1.1. Le dispositif..................................................................................................................................................73
II.1.2. Matériel........................................................................................................................................................76
II.1.3. Les participants...........................................................................................................................................79
II.1.4. La Procédure expérimentale.....................................................................................................................80
II.2. EXPÉRIMENTATION 1 : L’EFFET DE LA STRUCTURE DE LA SCÈNE VISUELLE............................................... 83
II.2.1. Problématique : la structure de la scène visuelle influence-t-elle la détection d’un mot ?...........83
II.2.2. Expérience 1.1 : La comparaison de quatre structures.......................................................................85
II.2.3. Expérience 1.2 : La comparaison de deux structures en colonnes................................................. 105
II.2.4. Discussion générale de l’expérimentation 1....................................................................................... 117
II.3. EXPÉRIMENTATION 2 : LA DISTINCTION VISUELLE ENTRE LA CIBLE ET SON CONTEXTE.........................119
II.3.1. Problématique : L’effet de la similitude entre la cible et son contexte sur sa détection............. 119
II.3.2. Expérience 2.1 : L’effet du nombre de mots qui ont les mêmes caractéristiques visuelles que la
cible........................................................................................................................................................................ 122
II.3.3. Expérience 2.2 : Effet du type de propriétés perceptives.................................................................. 130
II.3.4. Discussion générale de l’expérimentation 2....................................................................................... 147
II.4. EXPÉRIMENTATION 3 : L’EFFET DE LA FRÉQUENCE LEXICALE ...................................................................151
II.4.1. Problématique : La familiarité lexicale favorise-t-elle la détection d’un mot ? .......................... 151
II.4.2. Méthode..................................................................................................................................................... 153
II.4.3. Résultats et interprétations.................................................................................................................... 155
II.4.4. Discussion................................................................................................................................................. 160
II.5. EXPÉRIMENTATION 4 : L’EFFET DE LA DISTANCE SÉMANTIQUE ................................................................163
II.5.1. Problématique : Effets de la distance sémantique entre la cible et les distracteurs sur la
détection................................................................................................................................................................ 163
II.5.2. Méthode..................................................................................................................................................... 166
II.5.3. Les résultats et leurs interprétations.................................................................................................... 169
II.5.4. Discussion................................................................................................................................................. 178
II.6. EXPÉRIMENTATION 5 : L’EFFET DE LA TYPICALITÉ DE LA CIBLE SUR SA DÉTECTION.............................181
II.6.1. Problématique : Le degré de typicalité de la cible influence-t-il sa détection ? .......................... 181
II.6.2. Méthode..................................................................................................................................................... 184
II.6.3. Les résultats et leurs interprétations.................................................................................................... 187
II.6.4. Discussion................................................................................................................................................. 195
III. Discussion et Conclusion..........................................................199
III.1. DISCUSSION GÉNÉRALE ...................................................................................................................................200
III.1.1. L’apport sur l’étude de la détection de cible ? ................................................................................. 200
III.1.2. L’apport de l’analyse des mouvements oculaires............................................................................. 214
III.1.3. L’apport à l’étude des affordances lexicales. ................................................................................... 217
III.1.4. L’apport pour la conception ergonomique d’interfaces type web................................................. 218
III.2. CONCLUSION .....................................................................................................................................................221
Bibliographie .....................................................................................227
Annexes ..............................................................................................234
A.1. A NNEXES RELATIVES À LA CONSTRUCT ION DU MATÉRIEL..........................................................................235
A.1.1. Sélection des mots.................................................................................................................................... 235
A.1.2. Couplage cible-contexte......................................................................................................................... 242
A.2. A NNEXES RELATIVES AUX PHASES D’ENTRAÎNEMENT .................................................................................246
A.2.1. Les différents essais de la phase d’entraînement............................................................................... 246
A.2.2. Analyses effectuées pour évaluer l’équivalence des différents groupes de participants............. 251
A.3. A NNEXES RELATIVES AUX COMPARAISONS PLANIFIÉES ..............................................................................258
A.3.1. Expérience 1.1 .......................................................................................................................................... 258
A.3.2. Expérience 2.1 .......................................................................................................................................... 259
A.3.3. Expérience 2.2 .......................................................................................................................................... 260
A.3.4. Expérience 4 ............................................................................................................................................. 269
A.3.5. Expérience 5 ............................................................................................................................................. 275
INTRODUCTION
-7-
Introduction
Qu’est-ce que l’affordance lexicale ?
La notion d’affordance (Gibson)
La notion d’affordance est définie par Gibson (1979) comme la perception directe des potentialités
d’actions qu’offre l’environnement, à un moment donné, pour un organisme donné. Cette notion a
sa source dans la théorie gestaltiste, puisque dès 1935, Koffka, un des fondateurs de cette théorie,
écrivait (p7) : « pour l’homme primitif chaque chose dit ce qu’elle est, ce qu’il doit faire avec : un
fruit dit mange-moi, l’eau dit bois-moi, la foudre dit crains-moi et la femme dit aime-moi ». Un
exemple d’affordance est fourni, par exemple, par la forme et la disposition que peut avoir la
poignée d’une porte lorsqu’elle nous incite plutôt soit à tirer, soit à pousser, soit à tourner (Norman,
1988).
Tout d’abord, pour opérationnaliser l’affordance, nous nous proposons d’élargir la notion à
l’attribution immédiate de propriétés fonctionnelles (ce à quoi l’objet sert) et procédurales
(comment on procède pour utiliser l’objet) à partir des propriétés perceptives (ce qu’on perçoit de
l’objet) et structurales (de quoi est composé l’objet) des objets de l’action. Par exemple, une des
propriétés structurales du marteau nous indique la façon de le tenir : le saisir par le manche.
Outre qu’elle dépend des propriétés des objets, l’affordance apparaît également déterminée
par le but et par la situation qui génère ce but : un buisson peut être considéré comme un support
alimentaire par un petit animal qui a faim, mais aussi comme un refuge s’il s’agit pour lui de fuir et
de se cacher d’un prédateur. Cette fonctionnalité différentielle des propriétés des objets, selon le
but et la situation, s’expliquerait par une plus grande saillance des propriétés qui permettent de
répondre au but posé. Cette approche de la prise de décision guidée par la perception et le but
permet aussi de rendre compte des catachrèses lorsqu’un objet est utilisé pour des fonctions pour
lesquelles il n’a pas été conçu. Imaginons, par exemple, qu’on cherche à caler une bibliothèque
parce que le plancher n’est pas droit. Nous regardons autour de nous et nous voyons des morceaux
de cartons souples et un marteau. Nous plions les morceaux de cartons, mais ceux-ci ne sont pas
assez solides pour permettre de redresser durablement la bibliothèque : les cartons s’affaissent et la
bibliothèque avec. Il nous faut alors trouver un objet d’une certaine épaisseur mais aussi d’une
bonne solidité. On le voit bien ici : ce sont les caractéristiques du but qui permettent de déterminer
les propriétés pertinentes, et, de la sorte, l’objet à utiliser.
-8-
Introduction
Comment le but permet-il de sélectionner les propriétés fonctionnelles et procédurales ?
Atteindre un but consiste à réduire l’écart entre l’état courant de la situation et l’état but (Newell &
Simon, 1972). La réduction de l’écart au but consiste à faire acquérir à l’état courant les propriétés
de l’état but. Pour caler notre bibliothèque (but), il faut trouver un objet d’une certaine épaisseur et
solidité (structure) qui puisse soutenir la bibliothèque (fonction). Les bouts de cartons ne
permettent pas de répondre à ces exigences. En revanche, on peut percevoir que certaines
propriétés structurales du marteau (solidité, taille) correspondent aux propriétés fonctionnelles du
but. C’est cette correspondance entre propriétés fonctionnelles et structurales qui fera que l’on
entreverra la possibilité d’utiliser le marteau comme cale. Mais ce n’est pas suffisant puisque, si les
caractéristiques du but, sont suffisantes pour rendre saillantes les propriétés fonctionnelles et
procédurales de l’objet, elles ne permettent pas déterminer quel objet sera utilisé lorsque plusieurs
sont disponibles. A cet égard, nous basant sur les phénomènes observés en situation de détection
visuelle, le contexte, à savoir l’ensemble des objets présents, nous paraît fournir les contraintes
nécessaires pour déterminer la prise de décision, avec éventuellement l’affordance comme
résultante. En effet, si sous les yeux nous n’avons que le marteau, il n’y a pas présentement
d’autres alternatives. En revanche, si dans la pièce sont présents divers objets, comme une assiette,
une chaise …, le marteau ne sera utilisé que s’il se présente comme étant le meilleur candidat.
Comment détecter le meilleur candidat et par quels processus cette détection peut elle être
immédiate ?
L’affordance peut être considérée comme la détection immédiate de ce qu’il faut faire. En
psychologie de la perception visuelle, le pop out relève également de la détection immédiate. On
parle de pop out lorsqu’un objet particulier de la scène visuelle nous saute aux yeux parce qu’il se
distingue par ses propriétés des autres objets environnants. On parle d’affordance également
lorsqu’un objet particulier de la scène visuelle nous saute aux yeux parce qu’il se distingue par ses
propriétés des autres objets environnants et que ses propriétés sont celles qui satisfont le but.
L’affordance peut ainsi être rapprochée de la notion de pop out : « l’affordance relève du pop out :
l’objet qui se distingue des autres par une propriété actionnable est sélectionné pour l’action
lorsque cette action satisfait le but de l’agent » (Tijus, 2003). L’affordance serait ainsi le pop out
d’un objet parmi tous les autres, lorsque ses propriétés actionnables permettent de le distinguer des
autres du point de vue de l’action. Ce pop out affordant dépendrait de la situation et permettrait de
réduire très rapidement et, sans réelle planification, l’écart au but.
Notons enfin que les affordances peuvent également induire en erreur lorsque les propriétés
perceptives font entrevoir des propriétés fonctionnelles que l’objet n’a pas. Imaginons que nous
devions déclencher un mécanisme par l’intermédiaire d’un bouton incurvé. Cette forme peut
-9-
Introduction
induire une action d’appui. Toutefois, si le déclenchement ne s’effectue qu’en tournant le bouton,
la forme incurvée aura fait commettre une erreur, par méprise.
La notion d’affordance lexicale
La notion d’affordance lexicale est nouvelle et mérite d’être justifiée. Dans la conception de
Gibson (1979), l’affordance est la mise en relation d’un objet (ou d’une partie d’objet) avec
l’action. Il s’agit généralement d’objets du monde physique sur lesquels on agit directement. Peuton étendre la notion d’affordance à d’autres types d’objets - les mots par exemple - qui sont de
nature symbolique parce qu’ils représentent autre chose qu’eux-mêmes ?
Nous définissons l’affordance lexicale comme l’affordance liée aux mots, mais pour une
action qui ne porte pas directement sur le mot lui-même, mais sur ce qu’il désigne. Imaginons, par
exemple, que nous nous promenions dans une rue commerçante et que nous ayons faim. Dans cette
rue sont présentes de nombreuses enseignes : cordonnerie, librairie, café, boulangerie… Parmi
toutes ces enseignes, le mot « boulangerie » nous saute aux yeux (pop out) et nous nous dirigeons
vers la boulangerie pour acheter une viennoiserie. Nous avons eu une détection immédiate du mot
« boulangerie » parmi un ensemble de mots, et l’action résultant de cette détection est de pénétrer
dans le commerce désigné par ce mot, et non pas d’agir sur le mot lui-même (comme par exemple
lorsqu’on le corrige).
Lorsqu’il s’agit de lire pour agir, et que l’action est faite directement à partir de l’item
verbal (se diriger vers la boulangerie à partir du mot « boulangerie ») nous parlerons d’affordance
lexicale. L’affordance lexicale a deux composantes : la saillance d’un mot parmi d’autres mots et
l’action sur l’objet représenté par ce mot. Il y a affordance lexicale, par exemple, lorsqu’en
consultant une page web qui comprend beaucoup de liens hypertextuels, on trouve immédiatement
le mot qui, d’un clic, nous mène à la page où nous trouverons l’information recherchée.
Ainsi, nous pouvons définir l’affordance lexicale comme la détection immédiate d’un mot
dans un environnement de mots, lorsque cette détection sert le but que l’on a et la prise de décision
d’action. A cet égard, la tâche de détection de cible nous paraît adéquate pour étudier la mise en
place d’un tel pop out lexical. En effet, ce type de tâche permet de déterminer et de décrire les
variables favorisant la saillance d’un stimuli visuel, par rapport au but, à son environnement, par
rapport au fond et par rapport au bruit.
- 10 -
Introduction
Notre objectif de recherche est de déterminer les facteurs qui permettent la détection rapide
d’un mot parmi d’autres, qui l’entourent. Déterminer ces variables permettra ainsi de définir les
conditions qui favorisent la mise en place des affordances lexicales. Pour cela, dans notre travail de
recherche, les affordances lexicales sont étudiées au niveau de la recherche visuelle d’un mot parmi
un ensemble d’autres mots (pop out lexical), et son application est discutée dans le cadre de
l’ergonomie cognitive des sites web, où la détection d’un mot, parmi ceux qui sont présents sur la
page d’un site, a comme finalité l’accès à des informations situées sur une autre page du site.
La détection de mot ayant comme finalité l’action
La recherche d’un mot parmi d’autres est une tâche courante qu’on réalise en feuilletant le journal,
par exemple pour savoir où il est question de tel ou tel événement, en cherchant le nom d’une ville
sur une carte ou encore sur les sites internet.
Notre hypothèse générale est que cette recherche peut être plus ou moins facilitée par un
certain nombre de variables :
−
La structure de la scène visuelle
−
Le nombre de mots présentant les mêmes propriétés perceptives que la cible
−
La fréquence lexicale des mots utilisés
−
La distance sémantique entre le mot-cible et les mots qui l’entourent
−
La typicalité du mot-cible.
Ces variables peuvent être instanciées de telle sorte que le repérage du mot recherché est
instantané. Ce peut être le cas très favorable lorsque se produit un « pop out » de ce mot-cible qui
produit alors une détection immédiate. Inversement, ces variables peuvent être instanciées de telle
sorte qu’il est très difficile de trouver le mot recherché. On peut ainsi être amené à abandonner la
recherche, en pensant que le mot recherché ne figure pas alors que ce n’est pas le cas.
Supposons que nous voulions souscrire un abonnement internet à partir de la connexion
d’un ami et qu’il recommande d’aller sur le site de francetelecom.com pour chercher des
renseignements, voire même pour souscrire cet abonnement en ligne. A l’écran, la page d’accueil
du site (Figure 1) se présente de la manière suivante : les zones d’information sont disposées
différemment : en haut et en bas de la page, on y trouve des lignes, sur la droite et la gauche de
l’écran, des colonnes et, au centre de la page, des images et du texte associé s disposés à la fois en
colonnes et en lignes. Comment cette disposition des éléments de la page oriente-t-elle notre regard
- 11 -
Introduction
et notre prise d’information sur le site ? Cette première question est traitée dans l’expérimentation 1
(chapitre II.2).
Lignes
colonnes
Lignes et colonnes
Figure 1. Page d’accueil du site de francetelecom.com.
Sur cette page d’accueil, des mots sont soulignés tandis que d’autres ne le sont pas, et les
mots sont dans des couleurs différentes (blanc, vert, bleu foncé, bleu turquoise, orange, noir,
violet). On constate que leur proportion n’est pas équivalente : il y a, par exemple, plus de mots
écrits en blanc que de mots écrits en bleu ou en noir. De même, il y a plus de mots non soulignés
que de mots soulignés. Quels sont les effets de cette diversité perceptive sur la recherche de
l’information? Comment améliorer cette recherche ? Ces deux questions sont traitées dans
l’expérimentation 2 (chapitre II.3).
En recherchant, par exemple, des renseignements relatifs à la souscription à un abonnement
internet à partir du portail France Télécom, notre recherche est orientée par notre but : trouver
l’information recherchée parmi les mots affichés. Sur la page d’accueil, peu de mots sont proches
sémantiquement de la requête (rubriques : Tout sur l’ADSL et Internet & Multimédia ) et beaucoup
de mots en sont distants sémantiquement (par exemple : Téléphonie mobile, facturation,
recrutement, Recherche & Développement, Actionnaires, Investisseurs …). Cette distance
sémantique facilite-t-elle le choix de la rubrique à consulter ? Cette question est étudiée dans
l’expérimentation 4 (chapitre II.5).
- 12 -
Introduction
Et enfin, certains mots sont plus familiers que d’autres. Supposons que nous ne soyons pas
familiers avec les technologies liées à Internet et plus particulièrement au haut débit, les mots
ADSL et Pack Extense ne nous diront rien, ou nous rappelleront des publicités à la télévision, à la
radio, ou dans le métro. Ainsi nous sommes plus enclins à consulter la rubrique Internet &
Multimédia que la rubrique Tout savoir sur l’ADSL. La familiarité du lexique, mais aussi la
typicalité d’un mot par rapport à sa catégorie super-ordonnée sont étudiées dans l’expérimentation
3 (pour la fréquence lexicale en tant que familiarité du lexique, chapitre II.4) et l’expérimentation 5
(pour la typicalité, chapitre II.6).
En résumé, ces questions reviennent à étudier l’effet de la structure de la scène visuelle
(chapitre II.2), l’effet du type de propriétés perceptives et l’effet du nombre d’items qui présentent
simultanément les mêmes caractéristiques perceptives (chapitre II.3), l’effet de la fréquence
lexicale (chapitre II.4) de la cible et des items du contexte, l’effet de la distance sémantique entre la
cible et les items du contexte (chapitre II.5) et l’effet de la typicalité de la cible (chapitre II.6) lors
d’une tâche de recherche visuelle.
Notre hypothèse générale est que la détection d’un mot parmi d’autres est déterminée à la
fois par des variables externes et des variables internes. Par variables externes, nous entendons
celles qui ne dépendent pas des connaissances de l’individu, par opposition aux variables internes.
Selon cette distinction, la structure de la scène visuelle, le type de propriétés visuelles, le nombre
de mots présentant les mêmes caractéristiques visuelles que la cible sont des variables externes. La
distance sémantique entre la cible et les mots du contexte, la fréquence lexicale et la typicalité de la
cible sont des variables internes.
Plan de la thèse
Notre travail de recherche est présenté en trois grandes parties. Dans une première partie théorique,
nous exposons les études qui fondent nos hypothèses de recherche, et qui plus particulièrement,
nous ont permis d’identifier les facteurs qui faciliteraie nt la détection d’un mot, ou encore la mise
en place de ce que nous appelons affordance lexicale. La seconde partie présente cinq expériences
que nous avons menées afin de répondre à nos hypothèses en testant l’effet des facteurs que sont la
structure de présentation, le nombre de mots identiques à la cible, la fréquence lexicale, la distance
sémantique entre le mot-cible et les mots du contexte et la typicalité du mot cible. Dans une
dernière partie, avant de conclure, nous discutons les résultats obtenus au regard des modèles
relatifs à la recherche visuelle.
- 13 -
Introduction
On verra, en effet, que le thème de recherche traité ici, s’apparente à des recherches telles
celles menées par Neisser (1963) : détecter une lettre parmi une suite de lettres formant un mot ou
un non-mot. Neisser (1963) observe, par exemple, qu’il est plus facile de détecter un V parmi des
lettres rondes comme O, P, D, G que parmi des lettres anguleuses comme N, L, M, X. Seulement,
ici il s’agit de détecter un mot parmi d’autres mots, un mot qui se peut se différencier de ces
derniers visuellement et/ou sémantiquement.
- 14 -
I. PROBLEMATIQUE
- 15 -
I.1. Etudier les affordances lexicales
L’objectif de notre recherche est de déterminer s’il existe un phénomène de pop out pour les mots,
ou encore d’affordance lexicale lorsque la tâche de détection vise un mot qui désigne l’objet sur
lequel agir. Il s’agit alors de déterminer quelles sont les propriétés du mot qui lui permettent de se
détacher de son environnement constitué de mots.
Etudier la détection d’un mot parmi d’autres peut s’effectuer en comparant les effets
produits lorsqu’on fait varier les propriétés liées aux mots comme par exemple la couleur, la police
d’écriture, mais également par la variation des propriétés cognitives comme la catégorie
sémantique des mots utilisés, leur fréquence lexicale ou encore la typicalité des objets qu’ils
représentent.
Dans ce chapitre sont décrites, dans une première partie, les études sur la détection de
cibles sans signification. Dans une seconde partie sont décrites les propriétés des mots qui
influencent leur reconnaissance ainsi qu’une modélisation des processus de reconnaissance,
d’identification et d’accès à la signification. Et enfin, dans une troisième partie est exposée une
technique de recueil de données qui permet d’analyser plus finement les temps de réponse :
l’enregistrement des mouvements oculaires lors de la réalisation de la tâche. Ces trois sections nous
permettent de fixer les cadres aussi bien théoriques que méthodologiques de l’étude de la détection
de mots, sur laquelle fonder l’étude des affordances lexicales lors de la réalisation de tâches.
I.1.1. La détection d’une cible sans signification
Les études portant sur la discrimination visuelle des objets ou des propriétés d’objet sont basées
principalement sur le paradigme de recherche visuelle de cible. Ce paradigme consiste à demander
aux participants de détecter une cible particulière, présentée simultanément avec d’autres éléments
perceptifs.
Dans ces études, les variations expérimentales se situent à plusieurs niveaux : au niveau des
propriétés de la cible, au niveau des propriétés du contexte environnant cette cible et au niveau de
la différence entre la cible et le contexte permettant ainsi de mettre en évidence une efficience de
la recherche basée sur la discrimination de la cible.
Les travaux dans ce domaine de recherche montrent que la tâche de détecter une cible
particulière parmi des items peut engendrer deux types de recherche contrastés. Nous présentons
- 16 -
ces deux types de recherche, et les modèles sous-jacents, dans une première partie. Dans la partie
suivante, nous exposons les diverses variations expérimentales qui ont été faites, puis dans une
dernière partie les résultats obtenus à partir de ces variations.
I.1.1.1. Deux types de recherche pour une même tâche
Selon Treisman & Gelade (1980), Wolfe & Cave (1990) la perception d'une scène visuelle
s'effectuerait en plusieurs étapes : il y aurait d'abord un décodage en parallèle des traits visuels ou
propriétés visuelles telles que la forme, la couleur, l'orientation. Puis il y aurait une recombinaison
de ces traits sur une carte principale qui permet d'aboutir à la représentation de la scène visuelle par
le participant.
Lors de la détection de cible, deux phénomènes sont observés. Ils dépendent des
caractéristiques visuelles de la cible. Lorsque la cible présente au minimum une propriété
distinctive par rapport aux items du contexte (détecter un X parmi des O, Figure 2 ), l'augmentation
du nombre d'items présents simultanément avec la cible n'a pas d'effet sur les temps de réponse
(dire si la cible est présente ou non). On parle alors de phénomène "pop out" dans la mesure où la
cible saute aux yeux. En revanche, lorsque la cible présente des propriétés communes avec les
groupes d'items du contexte (détecter un X rouge parmi des O rouges et des X bleus, Figure 3),
augmenter le nombre d'items présents simultanément avec la cible engendre une augmentation des
temps de réponse (Treisman & Gelade, 1980, pour les premiers travaux).
Figure 2. Cible en situation de pop out.
Figure 3. Cible en situation de
conjonction des traits
Pour expliquer ces résultats, Treisman & Gelade (1980) et Treisman & Gormican (1988)
élaborent une théorie sur les processus de détection de cible : la Théorie d'Intégration des Traits (en
anglais : Feature Integration Theory of Visual Attention). Cette théorie distingue deux types de
- 17 -
recherche qui dépendent du niveau requis pour détecter la cible : une recherche en parallèle pour
une cible en situation de pop out et une recherche sérielle ou séquentielle pour une cible
conjonctive. Selon cette théorie, les traits des objets de la scène visuelle sont traités
automatiquement et en parallèle par des systèmes séparés. Ces systèmes ou modules spécialisés
fournissent de deux types de «cartes » : une carte des traits visuels et une carte maîtresse de
localisation. L’activité d’une carte de traits particulière, comme celle de la couleur rouge par
exemple, nous indique la présence de cette couleur dans l’environnement mais ne nous donne pas
sa localisation dans cet environnement. L’activation de cette carte ne nous dit pas non plus quel
autre trait est associé à cet objet de couleur rouge. L’information sur la carte maîtresse d’activation
indiquerait la localisation de traits dans l’environnement sans pour autant identifier la nature de ces
traits. Ainsi un environnement composé d’un X de couleur bleue et d’un O de couleur rouge
activerait quatre cartes de traits : les cartes correspondant aux couleurs bleue et rouge et les cartes
correspondant aux formes X et O. Cet environnement activerait également deux emplacements sur
la carte de localisation. La recherche en parallèle pourrait avoir lieu dès l’extraction des traits.
Ainsi si la cible est bleue, et qu’elle est la seule à avoir cette couleur, il est clair qu’à ce niveau de
traitement le participant peut fournir une réponse : il suffit juste de savoir si la carte de trait bleue
est activée. Il en va de même s’il s’agit de détecter un X.
Il en va autrement pour détecter un item conjonctif (un X rouge par exemple). L’attention
serait nécessaire pour recombiner les traits des cartes de traits afin d’avoir une représentation
temporelle de l’objet et afin également de pouvoir détecter une cible conjonctive. L’attention se
déplace sur la carte de localisation et permet de sélectionner les traits qui sont liées à cette
localisation. Les traits des autres objets sont alors exclus. Les traits présents servent ensuite à la
représentation temporelle de l’objet. La Figure 4 illustre ces traitements de l’information visuelle
par le modèle d’intégration des traits de Treisman & Gelade (1980). La construction temporelle de
la représentation de l’objet s’effectue par un balayage, une inspection sérielle de la carte de
localisation. De ce fait, détecter une cible conjonctive relève d’un processus où les items sont
inspectés un à un.
- 18 -
Figure 4. Modélisation de la perception visuelle d'une scène visuelle selon Treisman et Gormican (1988).
En résumé, selon Treisman & Gelade (1980) et Treisman & Gormican (1988), l'absence
d'effet du nombre d'items présents simultanément avec la cible lorsque celle -ci se définit par un
trait unique sur une seule dimension (trait qu'elle ne partage avec aucun autre item du contexte
comme détecter un X parmi des O), s'explique par le fait que le trait caractérisant la cible est
détectée pré-attentivement et attire l'attention sur sa position dans le champ visuel. Dans ce cas les
chercheurs caractérisent cette détection par une recherche en parallèle car elle s'effectue au moment
de la création en parallèle des cartes de traits. En revanche, dans le cas d'une cible résultant de la
conjonction de traits des items du contexte, la détection ne peut s'effectuer à ce niveau du
traitement de la scène visuelle. Cette détection nécessite l'attention focalisée qui va permettre la
combinaison des traits correspondant à chaque stimulus selon leur localisation sur la carte des
traits. Il en résulte que pour détecter cette cible conjonctive, les participants doivent inspecter un à
un les items de la scène visuelle afin de reconstituer l'objet unitaire et donc détecter la cible. Ce
processus continue jusqu'à ce que le participant détecte l'item correspondant à la cible ou parcourt
l'intégralité de l'écran et déclare la cible absente. Ainsi augmenter le nombre d'items présents dans
la scène visuelle engendre une augmentation des objets à inspecter un à un et donc une
augmentation des temps de réponse. Ces auteurs qualifient ce type de recherche de recherche
sérielle ou séquentielle.
- 19 -
Même si ce modèle permet d'expliquer les résultats obtenus et de mettre en avant deux
types de recherche dans une tâche de détection de cible, il ne rend pas compte de plusieurs résultats
observés ultérieurement dans la littérature. Par exemple, il ne permet pas d'expliquer pourquoi,
dans certains cas de recherche supposée en parallèle, les résultats suggèrent une recherche sérielle
(effet de l'augmentation du nombre d'items présents simultanément avec la cible sur les temps de
réponse) comme il peut être observé par Treisman & Souther (1985) ou alors au contraire que dans
le cas d'une recherche supposée sérielle, les résultats suggèrent une recherche en parallèle
(Treisman & Sato, 1990). De plus ce modèle ne permet pas non plus d'expliquer les résultats de
Duncan & Humphreys (1989) sur l'effet de l'hétérogénéité de la scène visuelle et sur la similarité
entre la cible et le contexte.
Ces nouvelles observations ont conduit Treisman et Sato (1990) à intégrer la notion
d'inhibition. Dans cette nouvelle Théorie Inhibition des Traits (Inhibition Feature Hypothesis), les
représentations des items du contexte qui ne sont pas portées par la cible peuvent être inhibées,
réduisant ainsi l’interférence de toutes les localisations de ces items.
Le modèle d'Intégration des Traits de Treisman et ses collègues ne permettant pas de
prédire un certain nombre d’effets, Cave & Wolfe (1990) et Wolfe (1994) ont développé un modèle
alternatif sur la détection de la cible : le modèle de guidage de la recherche visuelle (« Guided
Search Model »).
Selon ces auteurs la détection d'une cible s'effectuerait grâce à l'enchaînement de deux
étapes : une étape où il y a création d'une carte d'activation à partir de l'extraction en parallèle des
traits des objets de la scène visuelle et une étape de reconstruction. Contrairement au Modèle
d'Intégration des Traits (Treisman & Gormican, 1988), une carte regrouperait tous les traits
relevant de la même dimension (forme, couleur, orientation …). En reprenant l'exemple de la scène
visuelle comprenant des X rouges et des O bleus, pour Cave & Wolfe (1990) l'extraction en
parallèle des traits des objets de la scène visuelle donne lieu à la création de deux cartes
d'activation : une carte pour la forme et une carte pour la couleur. Chaque objet est reconstitué sur
une carte mère d'activation où lui serait associée une certaine activation. La valeur de cette
activation serait à la fois fonction des activations Bottom Up (activation résultant des propriétés
perceptives des objets de la scène visuelle) et des activations Top Down (activations produites par
la connaissance des traits possédés par la cible). La deuxième étape utilise cette carte mère
d'activation pour guider l'attention visuelle d'un item à l'autre en commençant par l'item qui a
l'activation la plus forte, et si cet item ne correspond pas à la cible, l'attention visuelle est guidée
vers l'item qui a la deuxième valeur d’activation la plus forte et ainsi de suite jusqu'à ce que la cible
- 20 -
soit détectée ou la totalité des items parcourus. Cette étape est qualifiée de recherche sérielle. Une
description de ce modèle est faite dans la Figure 5.
Figure 5. Représentation du modèle du guidage de l'attention visuelle lors de la détection d'une cible (Cave &
Wolfe, 1990)
Contrairement à Treisman & Gelade (1980) ou Treisman & Gormican (1988), pour Cave &
Wolfe (1990) et Wolfe (1994), il n'y a pas de recherche en parallèle lors de la détection d'une cible.
L'absence d'effet de l'augmentation du nombre d'items dans la scène visuelle lors de la détection
d'une cible se différenciant du contexte par un trait distinctif s'explique par le fait que cette cible est
l'item du contexte qui présente l'activation la plus importante, et de ce fait, quel que soit le nombre
d'items dans la scène visuelle, il sera celui qui sera inspecté en premier lieu. L'autre différence entre
les deux modèles concerne le poids accordé aux activations Top Down. Rappelons que les
participants connaissent l’apparence visuelle de la cible, voire celle des items environnant cette
cible. Il paraît évident que les participants s'appuient sur ces connaissances pour mettre en place un
parcours de recherche. Or pour le modèle d'Intégration des Traits (Treisman & Gelade, 1980), cette
connaissance ne semble influencer uniquement le processus de vérification de la cible une fois que
l'attention est focalisée sur un item. Pour le modèle de guidage de l'attention (Cave & Wolfe, 1990),
ces connaissances jouent un rôle dès le début du traitement de la scène visuelle, puisqu'elles
- 21 -
permettent d'établir des valeurs d'activation d'abord pour les traits, puis pour les objets de la scène
visuelle.
Dans la prochaine partie sont exposés les résultats obtenus dans la littérature sur la
recherche visuelle de cible. Avant cet exposé, il est important de noter d'une part que les
participants connaissent l’apparence visuelle de la cible, voire celle des items l'environnant avant la
présentation de l'écran. D'autre part, la grande majorité de ces études utilise des stimuli figuratifs
tels que des cercles, des rectangles, des courbes, des lettres, des chiffres. De ce fait cette thèse nous
permet en étudiant les affordances le xicales d'investir un autre champ d'études : la détection de
mots.
I.1.1.2. Les variables manipulées dans la détection de cible
Le paradigme largement utilisé consiste à demander aux participants d’identifier une cible
particulière parmi un nombre variable d’items. Ainsi, il peut s’agir par exemple de détecter un X
parmi des O. Lors de telles recherches, plusieurs variables peuvent être manipulées :
−
Le nombre de propriétés communes entre la cible et le contexte : lorsque la scène
visuelle est constituée d’un seul type d’item, la cible peut alors se différencier des items du
contexte par une propriété (identifier un O noir parmi des X noirs : dans ce cas là la
propriété discriminante est la forme). Lorsque la scène visuelle est constitué de deux types
d’items du contexte (exemple des O de couleur bleue et des X de couleur rouge), la cible
peut se différencier de ce groupe d’items par la couleur (détecter un noir) ou par la forme
(détecter un S). Dans ce même type de scène visuelle, la cible peut se différencier en
partageant une propriété de chaque groupe (détecter un O de couleur rouge). Dans ce
dernier cas, on parle de conjonction de traits. Ces conditions expérimentales sont illustrées
dans le Tableau 1.
−
Le nombre d’items présents simultanément avec la cible (Tableau 2). La variation de ce
facteur permet d'observer les cas où elle influence la recherche en général dans le sens
d'une diminution de la performance (temps de réponse et nombre d’erreurs). Ce facteur
permet également d’étudier par quels processus s’effectue la recherche.
- 22 -
Description du matériel
contexte
cible
Ecran visuel
Condition expérimentale
O
X
Cible se distinguant par un trait sur
une propriété ici la forme des
items du contexte
O bleu
et
X rouge
S noir
Cible se distinguant par un trait
minimum des items du contexte
(ici la couleur et la forme)
O bleu
et
X rouge
O rouge
Cible présentant une conjonction
de traits portés par les items du
contexte
Tableau 1. Exemples des conditions expérimentales rencontrées lors des études sur la détection de cible.
2
Nombre d’items dans le contexte
12
20
Cible en
situation de
pop out
(détecter le
X noir).
Cible en
situation de
conjonction
de traits
(détecter le
X rouge)
Tableau 2. Augmentation du nombre d’items du contexte selon les caractéristiques de la cible.
−
Le type de propriétés perceptives. La différenciation entre la cible et son contexte
s'effectue sur la variation des attributs (ou traits) d’une dimension. Par exemple, pour la
propriété (ou dimension) couleur, il peut s'agir de comparer les résultats lorsqu’il s’agit de
- 23 -
détecter une cible rouge parmi des items noirs ou encore lorsqu’il s’agit de détecter une
cible jaune parmi des items noirs. Pour la propriété forme, il peut s'agir de comparer les
performances de recherche entre détecter un E parmi des O et détecter ce même E parmi
des F. Pour la propriété orientation spatiale, il peut s'agir de comparer la détection d'une
ligne horizontale parmi des lignes verticales à la détection d'une ligne oblique dans le
même type de contexte. De même, il peut être question de comparer les effets des
différences d’attributs sur les performances de recherche selon la dimension : est-il plus
efficient de détecter une différence de couleur ou une différence de forme?
−
Le contexte environnant la cible . L’étude de cette variable permet de rendre compte des
effets du contexte sur la détection de la cible. Plus particulièrement, elle permet d'étudier
les effets de l'hétérogénéité de la scène visuelle sur les effets dans la détection de la cible :
une scène visuelle constituée d'items très différents les uns des autres favorise-t-elle la
détection de la cible par rapport à une scène visuelle constituée d'items très similaires les
uns aux autres (Figure 6) ? Une scène visuelle composée en proportions équivalentes
d'items dans les groupes (autant de X rouges que de O bleus) favorise-t-elle la détection de
la cible par rapport à une scène visuelle composée des mêmes groupes d'items mais en
nombre disproportionné (une majorité de X rouges par rapport aux O bleus, Figure 7).
Items du contexte très similaires : contexte
homogène
Items du contexte peu similaires : contexte
hétérogène
Figure 6. Variation de la similarité des items du contexte par rapport à la cible.
- 24 -
Figure 7. Variation du nombre d’items par groupes de stimuli : l’équivalence est plus efficace pour la
recherche la recherche que la disproportion ?
−
La nature des propriétés qui fondent la similarité entre la cible et le contexte. Cette
similarité peut être manipulée à deux niveaux : une similarité perceptive et une similarité
plus cognitive. Dans le premier cas, il s'agit de varier la différence d'attributs pour une
même dimension, telle que la forme par exemple, entre la cible et le contexte. La question
qui se pose alors est de savoir si la similarité entre les items du contexte et la cible favorise
ou au contraire défavorise sa détection. Dans le second cas, il s'agit de varier la différence
de catégorie cognitive entre la cible et le contexte : est-il plus facile de détecter un chiffre
parmi des lettres ou de détecter ce même chiffre parmi d'autres chiffres?
−
La familiarité des stimuli. La variation de ce facteur s'effectue généralement en faisant
subir à un stimulus familier une transformation pour le rendre non familier. Ainsi une lettre
familière de l'alphabet, par exemple, un
, subit une rotation de 90 degrés (
) ou de 180
degrés ( ). Dans ces travaux, il s'agit alors de voir si la familiarité de la cible ou du
contexte favorise ou non la détection de la cible. Il s'agit également d'étudier l'effet de la
différence de familiarité entre les items du contexte et la cible sur sa détection.
I.1.1.3. Les résultats dans la détection de cible
Le but des recherches basées sur le paradigme de détection de cible est d’étudier les facteurs qui
facilitent ou, au contraire, qui défavorisent la détection de la cible. Nous présentons ci-dessous les
résultats qui ont été obtenus avec l’objectif d’identifier les facteurs visuels qui influencent les
performances lors de la détection d'une cible.
- 25 -
I.1.1.3.1. Les types de tâche
Un premier résultat indique que la cible est plus rapidement détectée lorsqu’elle se différencie par
un minimum d’un trait du contexte que lorsqu'elle est composée d'une conjonction de traits, c’est-àdire lorsqu’elle se différencie par un trait d’un sous-ensemble des objets du contexte et par un autre
trait d’un autre sous-ensemble des objets du contexte (Treisman et Gelade, 1980). En effet, détecter
un S noir parmi des X rouges et des O bleus est plus rapide que de détecter un O rouge dans ce
même contexte. Ce résultat s’explique par le niveau de traitement requis pour identifier la cible.
Dans le premier cas, l’activation de la carte des traits "couleur bleue" est suffisante pour donner une
réponse. Dans le second cas, la conjonction des traits de la scène visuelle est nécessaire pour
identifier la cible.
En revanche, pour un même type de tâche, c'est-à-dire pour une cible se différenciant du
contexte par la distinction d'un trait, nous observons des cas où la recherche de la cible est plus
difficile. Ainsi Treisman & Souther (1985) observent qu'il est plus rapide de détecter un cercle avec
une ligne d'intersection
parmi des simples cercles
que de détecter un cercle dans un
contexte constitué de cercles avec une ligne d'intersection ( Figure 8). Dans cette étude, il apparaît
donc que la détection de l'absence d'un trait entre la cible et les items du contexte est plus difficile
que la détection de la présence d'un trait supplémentaire pour la cible par rapport aux items du
contexte (la ligne d'intersection).
Figure 8. Matériel engendrant une asymétrie de recherche utilisé par Treisman & Souther (1985)
I.1.1.3.2. Le nombre d’items présents simultanément avec la cible
Un autre type de résultats concerne l’effet du nombre d'items présents simultanément avec la cible
dans la scène visuelle (Treisman & Gelade, 1980 pour les premiers travaux). Les performances
pour détecter une cible différente des items du contexte ne sont pas influencées par l'augmentation
du nombre d'items présents simultanément avec la cible : qu’il y ait 5 ou 15 items dans le contexte,
la détection de la cible est aussi rapide. En revanche, lorsque la cible résulte de la conjonction de
- 26 -
propriétés des items du contexte, les temps de réponse augmentent linéairement avec le nombre
d’items.
Par ailleurs, à partir des résultats obtenus lorsqu’il y a une asymétrie entre détecter un
cercle parmi des cercles possédant une ligne d'intersection et détecter un cercle possédant cette
ligne parmi des cercles, Treisman & Souther (1985) observent également une différence de
performances entre les deux conditions expérimentales selon l'augmentation du nombre d'items
présents simultanément avec la cible. Ainsi, lorsqu'il s'agit de détecter le simple cercle,
l'augmentation du nombre de cercles avec une ligne d'intersection présents dans la scène visuelle
engendre une augmentation des temps de réponse, ce qui n'est pas le cas lorsqu'il s'agit de détecter
un cercle avec une ligne d'intersection parmi des cercles. Ces auteurs concluent en disant que
détecter une cible se caractérisant par une absence de trait par rapport à son contexte s'effectue par
une recherche sérielle car cette absence ne peut être détectée pré-attentivement sur les cartes de
traits.
I.1.1.3.3. Effets du type de propriétés
Lors de la détection d'une cible, plusieurs études montrent que, pour un matériel donné, l’effet
observé dépend de l'item qui est pris comme cible et des items pris pour former le contexte. Dans
ce cas là, nous nous retrouvons face à une asymétrie de recherche. Un exemple déjà cité
d'asymétrie de recherche est la détection d'un cercle avec une ligne d'intersection parmi des
cercles : elle est plus rapide que lorsque les stimuli, cible et contexte, sont inversés. De telles
asymétries sont observées aussi bien dans la détection de la cible se distinguant par un trait que
dans la détection de cible conjonctive. Ces résultats indiquent que la dichotomie entre recherche en
parallèle et recherche sérielle telle qu’elle est envisagée par Treisman & Gelade (1980) ne permet
pas à elle seule d'expliquer les performances de recherche.
I.1.1.3.3.1. Asymétrie lors de la détection d’un trait
Lors d'une série d'expériences, Treisman & Gormican (1988), ont utilisé une diza ine de propriétés
perceptives telles que l'orientation, la taille, la couleur, le contraste des couleurs, les courbures de
lignes, le parallélisme ou la convergence des lignes (voir le Tableau 3 pour des exemples) sur la
détection de cible.
Le paradigme expérimental consiste à varier les items qui présentent un certain type de
traits : trait porté par la cible ou par les items du contexte, en faisant varier également le nombre de
- 27 -
stimuli présents simultanément avec la cible. Les résultats montrent que selon qu'un trait particulier
est porté par la cible ou par les items du contexte, les temps de réponse sont plus ou moins longs et,
dans certains cas, les temps de réponse augmentent avec l'augmentation du nombre d'items présents
dans la scène visuelle alors que théoriquement il s'agit de situations expérimentales relevant d'un
pop out par recherche en parallèle. Par exemple, ils observent qu'il est plus rapide de détecter un
cercle ouvert parmi des cercles fermés que de détecter un cercle fermé parmi des cercles ouverts.
Dans le second cas, l'augmentation du nombre de stimuli dans la scène visuelle engendre une
augmentation des temps de réponse, ce qui n'est pas observé dans le premier cas. Ainsi, selon le
trait porté par la cible et par les items environnants, la recherche peut être parallèle (temps de
recherche court et pas d'effet du nombre d'items dans la scène visuelle sur les temps de réponse) ou
sérielle (temps de recherche plus long que précédemment et augmentation des temps de réponse
avec l'augmentation du nombre d’items dans la scène visuelle).
Propriétés manipulées
asymétries observées
recherche en
recherche
parallèle
sérielle
Fermeture :
Cercle fermé vs cercle
ouvert
Courbure :
courbes vs droites
Orientation : verticales
vs obliques
Parallèles vs
convergentes
Tableau 3. Quelques exemples d'asymétries observées par Treisman et Gormican (1988).
Le déterminant d'une recherche parallèle ou sérielle serait, selon Treisman & Gormican
(1988) la valeur déviante ou standard de la propriété portée par la cible. Selon ces auteurs, un trait
déviant (convergence des lignes, courbure d’une ligne, orientation oblique, ouverture d’un cercle)
d'une propriété engendrerait plus d'activation sur les récepteurs qu'un trait plus standard
- 28 -
(parallélisme des lignes, droiture d’une ligne, orientation verticale ou horizontale, fermeture des
formes) de la même propriété et, de ce fait, lorsque la cible présente cette propriété sa détection
peut se faire pré-attentivement. En revanche, lorsque la cible présente une propriété plus standard et
que les items du contexte présentent une propriété déviante comme c'est le cas ici, les items du
contexte fournissent plus d'activation aux récepteurs que la cible et de ce fait ralentissent sa
détection ; celle -ci se faisant à priori par une recherche sérielle (Treisman & Gormican, 1988 ;
Marendaz, Stivalet & Genon, 1991).
Ce phénomène d’asymétrie dépend également de la plus ou moins grande distinction
visuelle entre la cible et les items du contexte. Ainsi par exemple, détecter un point gris foncé
parmi des points gris clairs est plus rapide que de détecter un point gris clair parmi des points gris
foncés. Or en augmentant le contraste entre les deux gris, l’asymétrie n’est plus observée. Il en est
de même pour la taille des lignes. Si la différence de longueur est suffisamment grande, la détection
d’une ligne petite parmi des lignes grandes est équivalente à la détection d’une ligne grande parmi
des petites lignes, et ceci malgré le fait les grandes lignes génèrent plus d’activation que les petites
lignes. De même, l’orientation a un effet sur les performances uniquement si la différence d’angle
entre les lignes obliques et les lignes verticales et horizontales est assez marquée, plus de 18 degrés
(Marendaz et al., 1991). Ce résultat semble aller dans le sens des propositions de Duncan et
Humphreys (1989) qui postulent que la détection de la cible s’effectue selon la similarité entre la
cible et les items du contexte : moins la cible est similaire aux items environnants et plus
rapidement elle est détectée.
I.1.1.3.3.2. Asymétrie lors de la conjonction de traits
Cohen (1993) a mis en évidence des asymétries dans la recherche d’une cible conjonctive alors que
les traits manipulés séparément n’engendrent pas d’asymétrie de recherche. Ainsi une ligne
horizontale de grande taille parmi des lignes verticales de grande taille et des lignes horizontales de
petite taille est détectée plus rapidement qu’une ligne horizontale de petite taille parmi des lignes
horizontales de grande taille et des lignes verticales de petites tailles (Figure 9).
En revanche, la détection d’une cible basée sur un changement d’orientation à 90°
(horizontal versus vertical) ou sur un changement de taille (lorsque celui ci est suffisamment grand)
par rapport aux items du contexte ne permet pas d’obtenir une asymétrie de recherche.
- 29 -
a. Détecter une ligne horizontale de petite taille
b. Détecter une ligne horizontale de grande taille
Figure 9. Exemples de matériel expérimental utilisé par Cohen (1993) pour étudier les asymétries de
recherche dans le cas d’une cible conjonctive.
Selon Cohen (1993), cette asymétrie est observée car, d’une part, des items de grande taille
engendrent plus d’activation que les items de petite taille. De plus, il suggère que si deux traits ne
permettent pas d’obtenir d’asymétrie cela ne signifie pas qu’il n’y a pas de différence d’activation.
Mais cette différence d’activation n’est probablement pas suffisante pour engendrer une asymétrie.
Mais en combinant cette différence d’activation avec la différence d’activation portée par un autre
trait, la différence totale pourrait être suffisante pour observer une asymétrie.
Ces études sur les asymétries de détection aussi bien dans le cadre d'une détection portant
sur une différence d’un trait que dans le cadre d'une détection portant sur une différence de deux
traits en conjonction, montrent d'une part que tous les attributs d'une même propriété ne sont pas
équivalents du point de vue de la détection d'une cible, aussi bien lorsque cet attribut est porté par
la cible que par les items du contexte. Ces études montrent, d’autre part que la recherche ne
s'effectue pas forcément selon une dichotomie entre recherche en parallèle et recherche sérielle,
mais peut être bien selon un parcours des items les plus activés aux moins activés.
I.1.1.3.4. L’effet de l’hétérogénéité de la scène visuelle
Le contexte de la cible peut être qualifié d’hétérogène du point de vue de la diversité des traits,
mais aussi du point de vue des proportions des types d’items du contexte.
I.1.1.3.4.1. Nombre de groupes d’items dans le contexte de la cible
Duncan & Humphreys (1989) observent qu’il est plus facile de détecter une cible dans un contexte
homogène contenant des items similaires les uns des autres, que dans un contexte hétérogène,
lorsque ce contexte contient des items visuellement différents les uns des autres. Ainsi il est plus
- 30 -
facile de détecter la lettre L dans un contexte contenant des L ayant subi une rotation de 90° que
dans un contexte contenant ces L avec rotation de 90° et des L avec une rotation de 180°. En autres,
ils observent que lorsque le contexte est homogène (Figure 10a ; similarité inter-items du contexte
très forte) l’effet de l’augmentation du nombre d’items dans ce contexte a peu d’effet sur les temps
de réponse ce qui n’est pas le cas lorsque le contexte est hétérogène (Figure 10b ; similarité interitems du contexte très faible). Par ailleurs, cette hétérogénéité du contexte peut avoir un faible effet
sur les performances si l’on diminue la similarité entre la cible et les items du contexte (par
exemple détecter un T dans un contexte contenant des L ayant subi une rotation de 90 et 180° ;
Figure 10c ).
a. Contexte homogène
b. Contexte hétérogène et cible
similaire au contexte
c. Contexte hétérogène et cible
non similaire au contexte
Figure 10. Hétérogénéité ou homogénéité du contexte et similarité entre la cible et le contexte.
De même, Treisman & Sato (1990) trouvent qu’il est plus facile de détecter une cible
conjonctive lorsque le contexte est composé de deux groupes de stimuli que lorsqu’il est composé
de quatre groupes (dont deux groupes qui ne portent pas les propriétés visuelles que la cible).
I.1.1.3.4.2. Proportionnalité des groupes d'items du contexte
Dans la grande majorité des études sur la détection d'une cible conjonctive, les deux groupes de
stimuli présents dans le contexte sont en nombre équivalent. Ainsi face à un contexte de 24 items,
12 portent une certaine combinaison de traits et les 12 autres portent une autre combinaison de
traits. Or, Poisson & Wilkinson (1992) et Shen, Reingold & Pomplum (2000) ont montré que
déséquilibrer en nombre ces deux groupes facilite la détection d'une cible conjonctive. En gardant
le nombre total d'items dans le contexte constant entre les conditions expérimentales (24 pour
Poisson & Wilkinson, 1992 et 48 pour Shen et al., 2000), ils observent que plus le contexte tend
vers une équivalence en nombre des deux groupes d'items et plus les temps de réponse augmentent.
C'est à dire qu'une ligne horizontale rouge sera détectée plus rapidement dans un contexte
contenant 25% de lignes verticales rouges et 75% de lignes horizontales vertes plutôt que dans un
contexte contenant 50% du premie r type de stimuli et 50% du second type.
- 31 -
Ces résultats suggèrent que pour détecter une cible conjonctive, les participants
commencent par inspecter le groupe d'items ayant le moins de représentants et qui, par nécessité du
paradigme expérimental, présente une propriété commune avec la cible. De ce fait, la recherche
sérielle ne consiste pas en une simple inspection item par item mais plutôt par une inspection à
l’intérieur des groupes, la disproportion guidant l'attention du participant, l’inspection dans un
groupe suffit pour trouver la cible.
I.1.1.3.5. L’effet de la similarité cible-contexte
La similarité entre la cible et les items du contexte est envisagée sous deux points de vue : la
similarité visuelle et la similarité catégorielle
I.1.1.3.5.1. La similarité visuelle
Selon Duncan & Humphreys (1989), plus la cible est similaire visuellement aux items du contexte
et plus sa détection est difficile. Cet effet de la similarité entre la cible est à envisager en relation
avec l’hétérogénéité du contexte : plus ce contexte est hétérogène et moins la similarité entre la
cible et les items du contexte a d’effet sur les performances. Ainsi selon ces auteurs, l’efficience de
la recherche, qui se définit par l’effet du nombre d’items présents dans la scène visuelle (effet
faible ou très important), peut être envisagée selon trois paramètres :
−
Diminuer la similarité entre la cible et les items du contexte contribue fortement à
l’efficience de la recherche.
−
Augmenter la similarité entre les items du contexte (tendre vers l’homogénéité) contribue à
augmenter les performances de détection.
−
Augmenter la similarité entre les items du contexte (tendre vers l’homogénéité), engendre
un faible effet de la similarité entre la cible et les items du contexte. De ce fait diminuer
cette similarité (contexte hétérogène) accentue l’effet de la similarité entre la cible et les
items du contexte.
I.1.1.3.5.2. La similarité catégorielle
La similarité catégorielle est manipulée au travers d'études pour lesquelles il s'agit soit de détecter
un chiffre particulier parmi des lettres ou parmi des chiffres, soit de détecter une lettre particulière
parmi des chiffres ou parmi des lettres. Ingling (1972) montre que détecter un objet qui diffère de
son contexte par sa catégorie est plus rapide que de détecter ce même objet dans un contexte
- 32 -
contenant des stimuli de même catégorie que la cible. Ainsi, il est plus rapide de détecter un chiffre
donné parmi des lettres que parmi des chiffres et de même il est plus rapide de détecter une lettre
donnée parmi des chiffres que parmi d'autres lettres. Par ailleurs, White (1977) montre que cette
différence de détection ne se situe pas au niveau d'une différence de forme entre les chiffres et les
lettres, mais bien à une différence catégorielle. Prenant comme cible une forme identique dans
toutes les conditions expérimentales "O", White (1977) montre qu'il est plus rapide de détecter
cette forme lorsqu'elle est annoncée comme étant le chiffre zéro et que le contexte contient des
lettres que lorsqu'il contient des chiffres. De même, il est plus rapide de détecter cette forme
lorsqu'elle est annoncée comme étant la lettre O et que le contexte contient des chiffres que
lorsqu'il contient des lettres.
Ces études montrent clairement que la différence catégorielle entre la cible et les items du
contexte facilite la détection de la cible et qu’il ne s’agit pas d’un effet de la similarité perceptive.
I.1.1.3.6. L’effet de la familiarité des stimuli
Nous avons vu que la familiarité des stimuli pouvait être manipulée en faisant subir une rotation de
90 degrés ou de 180 degrés à un item (lettre ou chiffre) particulier. Ainsi, la lettre T deviendra non
familière en subissant une rotation de 90 degrés donnant
ou une rotation de 180 degrés donnant
. L’étude de la familiarité a déjà été étudiée de cette manière par Wang, Cavanagh et Green
(1994), dans le paradigme de recherche visuelle. Pour étudier les effets de la familiarité sur la
détection de la cible, ces auteurs comparent quatre scènes visuelles :
−
(i) : Détecter une cible non familière ( ou
(respectivement
−
−
) dans un contexte constitué d’items non familiers
et ).
(iii) : Détecter une cible familière ( ou
(respectivement
−
et ).
(ii) : Détecter une cible familière ( ou
(respectivement
) dans un contexte constitué d’ items familiers
) dans un contexte constitué d’items familiers
et ).
(iv) : Détecter une cible non familière (
familiers (respectivement
et
ou
) dans un contexte constitué d’items non
).
Wang et al. (1994) montrent que détecter une cible dans la condition (i) engendre des
temps de réponse plus courts que dans la condition (ii). Ils observent par ailleurs que les temps de
réponse pour cette première condition expérimentale ne sont pas influencés par le nombre de
stimuli présentés simultanément avec la cible, contrairement aux autres conditions expérimentales.
Ainsi une cible non familière dans un contexte familier permet l’obtention du phénomène « pop
- 33 -
out », alors que les autres conditions sont particulièrement inefficientes du point de vue de la
recherche. L’augmentation du nombre de stimuli dans la scène visuelle engendre une augmentation
de 50ms/item pour la condition (ii), 30ms/item pour la condition (iii) et plus de 70ms/item pour la
condition (iv), alors que ce temps est de 1 ou 2ms/items pour la condition (i).
Wang et al. (1994) expliquent cette asymétrie avec le même argument avancé par Treisman
et Gormican (1988), qui évoque une activation supérieure de la déviance : un item non familier
engendre plus d’activation qu’un item familier. Ainsi face à un contexte uniforme au niveau de la
familiarité et de la forme, la cible non familière isolée provoque une sur-activation de la carte
correspondante et permet l’obtention d’un effet pop out, puisque cette détection n’est pas
dépendante du nombre d’items présents dans la scène visuelle. Et ainsi la familiarité d’un stimulus
peut être considérée comme un trait primaire pouvant être traité pré-attentivement.
Or, comme le soulignent Shen & Reingold (in press), outre sur la différence de familiarité,
ces quatre conditions expérimentales ne sont pas équivalentes. En effet, dans les deux premières
conditions expérimentales, la rotation de 180° des stimuli, qu’ils soient en position de cible ou non,
engendre un changement d’orientation pour la barre oblique. En revanche, dans les deux autres
conditions, cette rotation de 180° des stimuli n’engendre pas un tel changement d’orientation des
traits constituant les formes. De plus, une différence majeure réside entre les deux premières
conditions et les deux dernières : la forme globale.
Dans le but d’étudier l’effet de la familiarité des stimuli sur la recherche visuelle, Shen &
Reingold (in press) utilisent un matériel tout aussi symbolique pour les occidentaux mais ayant une
signification pour les Chinois : les idéogrammes chinois. Ainsi, cette étude fournit une première
piste de recherche pour l’étude de la fréquence lexicale des stimuli lors de la recherche visuelle.
Shen & Reingold (in press) prennent une forme qui selon son orientation a une signification ou
n’en a pas :
−
(qui signifie vieux ou ancien) et
(sans signification) qui résulte d’une rotation de ce
symbole de 180°,
−
(qui signifie feuille) et
(sans signification) qui résulte d’une rotation de ce symbole de
180°.
Avec ce matériel, il est donc possible de répliquer l’expérience de Wang et al. (1994) avec
un matériel plus homogène entre les quatre conditions expérimentales :
−
(i) : Détecter une cible non familière (
−
(ii) : Détecter une cible familière ( ) dans un contexte constitué d’items non familiers ( )
) dans un contexte constitué d’items familiers ( )
- 34 -
−
(iii) : Détecter une cible familière (
−
(iv) : Détecter une cible non familière (
familiers (
) dans un contexte constitué d’items familiers (
).
) dans un contexte constitué d’items non
).
Les résultats obtenus par ces auteurs répliquent en partie ceux obtenus par Wang et al.
(1994) pour un groupe de participants parlant régulièrement chinois : une cible non familière dans
un contexte constitué d’items familiers est détectée plus rapidement qu’une cible familière dans un
contexte constitué d’items non familiers. En revanche, Shen & Reingold (in press) montrent que
cette asymétrie de recherche est plus due à la familiarité des stimuli du contexte qu’à celle de la
cible. En effet, ils n’observent pas de différence entre détecter une cible familière et détecter une
cible non familière dans un contexte familier. Comme attendu également, ce résultat ne se retrouve
pas pour les groupes de participants anglais qui n’ont aucune notion de chinois. De plus,
concernant la différence entre les deux groupes, il apparaît que quelle que soit la condition
expérimentale, les temps de réponse ne sont pas influencés pour le nombre de stimuli présents
simultanément avec la cible pour le groupe d’anglais, ce qui n’est pas le cas pour le groupe de
chinois. Ainsi, il apparaît que l’apport de la signification pour les participants chinois engendre plus
de difficultés de recherche que pour les participants anglais. Ces difficultés se traduisent par un
effet de l’augmentation du nombre de stimuli dans le contexte et par des temps de réponse plus
longs pour les participants chinois par rapport aux participants anglais. Ainsi, il semble que
l’attribution de signification au matériel engendre des difficultés de détection par rapport à une
tâche où le matériel n’est que figuratif.
Même si les auteurs parlent de familiarité et de non-familiarité, on peut se demander si ces
expérimentations ne mettent pas en évidence une asymétrie de détection due à un trait perceptif et
non pas à la familiarité des items : la rotation.
I.1.2. La détection de mots
Alors que le nombre d’études sur la détection de cible est très important, la détection de mots a très
peu été étudiée. Ojanpää, Näsänen & Kojo (2002) ont étudié l’effet de l’orientation de la liste de
mots sur la détection d’un mot. Rayner et Raney (1996) ont étudié l’effet de la fréquence lexicale
d’un mot sur les mouvements oculaires dans le but de comparer les résultats obtenus lors d’une
tâche de lecture et lors d’une tâche de détection de cible. Seulement, le but de ces études n’est pas,
comme dans les études sur la détection de cible sans signification, de déterminer les facteurs qui
favorisent la détection immédiate (pop out).
- 35 -
Afin de pouvoir étudier les affordances lexicales, l’utilisation des mots peut s’effectuer de
deux manières : utiliser de simples mots ou alors utiliser ces mots pour former des phrases et des
textes. Cette dernière nous paraît très intéressante pour étudier les affordances qui peuvent être
liées au texte, par exemple, «balai » dans « Marie est sortie promener son balai ». Mais avant
d’étudier de telles affordances liées à une structure assez complexe qu’est le texte, dans la mesure
où elles sont engendrées également par la construction du modèle de la situation décrite dans le
texte, il nous a semblé plus pertinent de mener cette étude au niveau des unités linguistiques qui
composent ces phrases.
De plus, le fait d’utiliser des mots isolés se rapproche des situations de recherche
d’information rencontrées lors de la navigation sur les sites internet : rechercher une information
particulière et s’éloigner de son but initial du fait de l’apparition dans le champ visuel d’un ou
plusieurs mots qui attirent notre attention, et nous engagent dans une autre recherche par un
phénomène de capture d’attention et d’intention. Notons à cet égard que tel est l’objectif des
bannières publicitaires sur les sites : détourner l’internaute de sa recherche initiale pour que celui-ci
arrive sur le site mentionné par la bannière. Ce détournement de but peut aussi avoir lieu lorsque,
par exemple, nous cherchons à acheter un produit particulier sur un site et que ses rubriques nous
incitent à aller nous informer sur d’autres produits.
L’objectif de cette section est de décrire plus particulièrement le choix du matériel : quelles
sont les opportunités que nous offre l’utilisation des mots dans l’étude des affordances.
I.1.2.1. Qu’est-ce qu’un mot ?
Un mot est l’unité linguistique la plus simple. Cette unité linguistique peut être définie par un
ensemble de propriétés, ou descripteurs. Au même titre que les objets de notre environnement, un
mot est un support de propriétés. Que sont ces propriétés ?
Les propriétés perceptives ou de surface, à savoir les caractéristiques du mot tel qu’il est
perçu comme, par exemple, sa couleur, sa mise en forme, sa police d’écriture, sa taille, sa
localisation dans l’environnement. Ainsi le mot chat est ici de couleur noire, en italique, écrit en
police « times » en taille 11 points et il est situé plutôt dans le bas de la page et au centre de la
ligne. Ce type de propriétés permet à la fois de décrire ce mot mais également de le distinguer des
autres mots.
Les propriétés structurales permettent de décrire les parties du mot et leur agencement
afin de constituer ce mot. Ainsi un mot est composé d’un certain nombre de lettres et plus
- 36 -
particulièrement de consonnes et de voyelles. L’agencement de ces lettres permet dans un premier
temps de créer les syllabes puis l’agencement de ces syllabes permet de constituer le mot. Ces
propriétés structurales renvoient aux propriétés orthographiques et phonémiques du mot.
Les propriétés cognitives : les propriétés procédurales sont liées à l’usage du mot. Ces
propriétés sont attribuées à l’objet par connaissance et par inférence. Vis à vis du mot, cette
propriété renvoie à sa nature grammaticale : adverbe, verbe, substantif mais également à sa nature
syntaxique (son rôle dans la phrase) : sujet, verbe, adjectif, complément, anaphore, antécédent de
cette dernière … Les propriétés fonctionnelles renvoient à sa nature symbolique : c’est à quoi il
sert ? : à représenter une catégorie d’objets, un événement ou d’actions particulières. Les propriétés
sémantiques et lexicales renvoient d’une part à la signification du mot (sa définition), à sa catégorie
sémantique (par exemple, moineau qui est un exemplaire de la catégorie OISEAU), à sa fréquence
lexicale (le fait d’être souvent ou non rencontré et/ou utilisé par l’individu), à sa typicalité (le fait
d’être un exemplaire représentatif de la catégorie : par exemple le mot hirondelle est plus typique
de la catégorie OISEAU que ne l’est le mot autruche). Ces propriétés peuvent se déterminer selon
le contexte d’apparition du mot. Ainsi par exemple, la tomate est facilement attribuée à la catégorie
LEGUME alors que pour les experts en agronomie la tomate est une sorte de FRUIT. De même, le
mot glace a deux acceptions selon la phrase dans laquelle il apparaît : « je mange une glace » ou
« je me regarde dans la glace ».
Pouvoir interpréter, comprendre un énoncé qu’il soit composé d’un ou plusieurs mots (par
exemple, « mange ! » versus « veux-tu manger ta soupe »), consiste à attribuer à ces mots une
signification dépendante du contexte. L’attribution de la signification ne peut s’effectuer toutefois
qu’après l’identification du ou des mots. Ainsi la compréhension d’un mot s’effectue par deux
processus complémentaires et interactifs : la reconnaissance de ce mot puis l’attribution de la
signification à ce mot. Dans la partie suivante, nous avons choisi d’exposer de façon détaillée une
théorie qui modélise cette reconnaissance et identification du mot : la Théorie d’Activation
Interactive de McClelland & Rumelhart (1981). Le choix d’exposer cette théorie plutôt qu’une
autre tient à deux arguments : d’une part, cette théorie permet de rendre compte des propriétés
décrites précédemment et d’autre part, elle apparaît très proche dans son principe à la Théorie
d’Intégration des Traits de Treisman & Gelade (1980), exposée plus haut dans ce chapitre
(section I.1.1.1). A la suite de quoi sont présentés les facteurs qui interviennent dans l’identification
de ce mot.
- 37 -
I.1.2.2. La reconnaissance de mots
Se laisser guider par les propriétés sémantiques des mots requiert le traitement de ses propriétés de
surface.
Que ce soit par le biais d'une affordance lexicale (par exemple, PAS dans « surtout PAS
ça ! ») ou dans le but d'une compréhension (« surtout pas quoi ? »), on accède à la signification du
mot écrit avec son décodage graphique. Cette reconnaissance visuelle d'un mot est généralement
conçue comme un processus automatique qui permet de relier deux niveaux de représentations : le
niveau grapho-orthographique et le niveau sémantique. De ce fait, la reconnaissance d'un mot est
envisagée sous la forme d'une mise en relation de l'information sensorielle issue du stimulus lexical
et d'une représentation particulière contenue en mémoire à long terme.
La reconnaissance d'un mot écrit s'effectuerait ainsi grâce à la conjonction des processus
bottom up (ou dirigé par les données) et top down (dirigé par les connaissances). Ce sont ces deux
processus qu’on retrouve par exemple avec le modèle hiérarchique d'activation interactive de
McClelland et Rumelhart (1981).
I.1.2.2.1. Le modèle d'activation interactive (McClelland & Rumelhart, 1981)
Selon Johnston & McClelland (1980) et McClelland & Rhumelhart (1981), la reconnaissance
visuelle de mot s'effectuerait par un traitement sur trois niveaux : au niveau des traits visuels, au
niveau des lettres et au niveau des mots (Figure 11 pour une représentation schématique).
Une autre caractéristique du modèle est le traitement en parallèle (Parallel Disturbed
Processing : P.D.P) : toutes les lettres du mot sont traitées simultanément par des canaux
indépendants et le traitement visuel a lieu à plusieurs niveaux en même temps : les traitements top
down travaillent simultanément et en conjonction avec les traitements bottom up.
- 38 -
+ : connections activatrices
- : connections inhibitrices
Figure 11. Mise en relation des niveaux lors de la reconnaissance d’un mot écrit selon le modèle d’activation
interactive de McClelland & Rumelhart (1981).
A chaque niveau de traitement (trait, le ttre et mot), il y aurait un nœud pour chaque unité
pertinente : un nœud pour chaque mot connu, un nœud pour chaque lettre dans une position
particulière dans le mot et un nœud pour chaque trait dans une position particulière dans chaque
lettre. Chaque nœud a des connections soit inhibitrices, soit excitatrices avec les autres nœuds. Ces
connections sont soit inter-niveaux : les nœuds de chaque niveau sont reliés avec ceux du niveau
qui lui est directement adjacent dans la hiérarchie (le niveau traits est relié au niveau lettres luimême relié au niveau mots), soit intra-niveaux : les nœuds correspondants aux lettres sont
connectés entre eux et il en est de même pour les mots. En revanche, alors que les connections
inter-niveaux peuvent être soit inhibitrices soit excitatrices, les connections intra-niveaux sont
exclusivement inhibitrices. En effet, deux lettres ne peuvent occuper la même position dans un mot
et deux mots ne peuvent occuper la même place au même moment.
Selon ce modèle Hiérarchique d'Activation Interactive, la reconnaissance d'un mot
s'effectue grâce à l'analyse des traits composant chaque lettre de ce mot. Le traitement des lettres de
ce mot s'effectue en parallèle simultanément (lettre par lettre) grâce à un ensemble de détecteurs
codant la position de chaque lettre dans le mot. Chaque lettre est ainsi traitée par un canal
indépendant qui extrait et analyse les traits visuels de la lettre dans une position spécifique. Ces
traits visuels sont des lignes verticales, horizontales, obliques, des angles droits, aigus, des courbes
continues ou discontinues… L'information visuelle est analysée par la présence des propriétés
structurales de la lettre (les traits). Ainsi un détecteur pour une ligne verticale à gauche de la lettre
peut être activé par la présentation de la lettre L. La Figure 12 illustre cette première étape dans le
traitement visuel du mot.
- 39 -
Couches des traits
Mot présenté visuellement.
Figure 12. Décomposition du mot vu en lettres puis en traits
Les détecteurs de traits visuels envoient ensuite de l'activation à un ensemble de détecteurs
de lettres pour ce canal particulier (position de la lettre). Ainsi l'output des détecteurs de traits sert
d'input pour les détecteurs de lettres. Cet output permet l'activation des lettres ayant ces traits. Par
exemple, la ligne verticale à gauche de la lettre va permettre l'activation de la lettre L mais
également des lettres E, F, M, N … Cette activation a également pour conséquence l'inhibition de
toutes les lettres ne contenant pas ce trait particulier (dans l'exemple cité précédemment, il y aurait
inhibition des lettres T, I, J, S X…). Les lettres qui seront les plus activées seront celles qui sont
composées avec le maximum de traits visuels analysés lors de la première étape. Ainsi, la présence
de la ligne verticale à gauche et de la ligne horizontale en bas du L va activer de façon plus
importante les lettres L et E. De même cette activation de lettres va engendrer une inhibition des
lettres incohérentes avec celles-ci. Par exemple, l'activation de la lettre L va engendrer l'inhibition
des lettres F, M et N. On parle alors d'inhibition collatérale (inhibition à un même niveau). La
Figure 13 illustre de manière allégée cette étape du traitement.
- 40 -
Figure 13. Illustration des liaisons activatrices et inhibitrices entre le niveau des traits et le niveau des lettres.
Tout comme pour l’étape précédente, l’activation du niveau des lettres va se propager au
niveau des mots : une lettre activée active les nœuds correspondant aux mots contenant cette lettre
dans cette position et inhibe également les nœuds correspondant aux mots non compatibles avec
cette lettre dans cette position. Par exemple la lettre L en première position va permettre
l’activation du mot LION, LOIN mais également engendrer l’inhibition des mots COIN, FOIN. De
plus, l’activation du mot LION va engendrer l’inhibition des lettres E, F en première position. Le
mot qui sera retenu sera celui qui aura reçu le plus d’activation du fait des connections avec les
lettres.
Selon Johnston & McClelland (1980) et McClelland & Rhumelhart (1981), le niveau
d’activation des mots dépend de sa familiarité pour l’individu : plus un mot est familier et plus son
niveau d’activation est rapide à atteindre.
I.1.2.2.2. Les facteurs qui influencent la reconnaissance de mots
Comme nous l’avons vu précédemment, selon le modèle d’Activation Interactive, la présentation
visuelle d’un mot va permettre l’activation d’un certain nombre de candidats (ou mots potentiels)
qui sont proches visuellement du mot présenté. Par exemple, la présentation du mot « FOIN » peut
engendrer l’activation du mot « FOIN » mais également des mots « FOIE », « COIN », « LOIN ».
Ainsi, la présentation visuelle d’un mot engendre l’activation des mots qui lui sont voisins
orthographiquement. Cette multi-activation a une influence sur la reconnaissance visuelle du mot.
De ce fait, plus le mot a de voisins orthographiques et plus la reconnaissance de ce dernie r sera
- 41 -
longue. Plus exactement, la reconnaissance d’un mot dépend de la différence de fréquence lexicale
(familiarité pour l’individu) entre le mot présenté et ses voisins orthographiques. En fait cette
reconnaissance est facilitée lorsque le mot cible présente une fréquence lexicale supérieure à ses
voisins orthographiques. Cette facilité se traduit aussi bien par un temps de réponse plus court lors
d’une tâche de décision lexicale (cette suite de lettres est-elle un mot ou pas ?) que par un temps de
lecture plus court lors d’une tâche de lecture de mots isolés (Grainger, O’Regan, Jacob & Segui,
1989). Ainsi, en plus des caractéristiques visuelles du mot (processus bottom up), les
caractéristiques internes à l’individu (processus top down) jouent un rôle dans la sélection du bon
candidat : la sélection parmi les voisins orthographiques s’effectue par ordre décroissant de
fréquence lexicale.
De même, les caractéristiques du contexte environnant le mot peut faciliter (ou non) sa
reconnaissance. Toujours lors d’une tâche de décision lexicale (décider si la suite de lettres
présentée est un mot ou non), Beauvillain & Segui (1983) ont montré que si cette suite de lettres est
précédée pendant 40 ou 70 ms (c’est à dire un temps de présentation inférieure à une
reconnaissance consciente du mot par les participants) d’un mot qui lui est proche sémantiquement
(table précédée de chaise par exemple), les temps de réponse sont plus courts que si l’amorce n’est
pas associée sémantiquement au mot cible (table précédée de chien). Ainsi la présentation de cette
amorce a permis l’activation de tous les concepts qui lui sont proches sémantiquement. De ce fait si
la suite de lettres représente un de ces concepts, le mot correspondant sera identifié plus rapidement
que si elle n’en fait pas partie.
I.1.2.3. La compétition entre les deux niveaux du traitement lexical
Avec les études sur la détection de cible sans signification, nous avons vu que les difficultés de
détection se situent au niveau du traitement perceptif de l’item, et dans le cadre du modèle de
Treisman (1988), plusieurs cartes de traits sont en compétition et peuvent engendrer des asymétries
de détection (il est par exemple plus rapide de détecter un item magenta parmi des items rouges que
de détecter un item rouge parmi des items magentas). De même, la reconnaissance de mots est
sujette à la compétition entre plusieurs lettres qui présentent les mêmes traits et entre plusieurs
mots qui présentent un certain nombre de lettres en commun.
A cet égard, on sait que l’identification et l’accès à la signification relèvent d’un processus
automatique illustré par l’effet Stroop. Ce phénomène mis en évidence par Stroop en 1935 peut être
étudié en présentant aux participants trois types de tâche : une tâche de lecture, et deux tâches de
dénomination de couleur. La tâche de lecture consiste à présenter aux participants des planches où
- 42 -
figurent des noms de couleur (vert, rouge, noir, bleu..) en encre noire, et de demander aux
participants de donner l’information lexicale (en fait de lire le mot). La deuxième tâche consiste à
présenter aux participants des planches où figurent des tâches de couleur. La tâche des participants
est alors de dénommer la couleur de la tâche. La dernière tâche consiste à présenter aux participants
des noms de couleur écrits à l’aide d’une encre différente de celle dénommée lexicalement. La
tâche pour les participants est alors de dénommer la couleur de l’encre dans laquelle le mot est
écrit. Ces planches sont présentées dans la Figure 14.
a. Lire le mot
b. Dénommer la couleur de la tâche
c. Dénommer la couleur dans
laquelle le mot est écrit
Figure 14. Exemples de planches présentées aux participants lors de l’étude sur l’effet Stroop (Stroop, 1935)
Les résultats indiquent que lorsque les participants sont confrontés à cette dernière tâche, le
nombre d’erreurs est important. En fait, l’erreur effectuée par les participants est de mentionner
l’information lexicale et non pas la couleur d’écriture. Ainsi cet effet nous indique que la lecture est
trop automatique pour être inhibée, que l’information lexicale est trop prégnante pour être ignorée.
L’effet Stroop peut s’interpréter par une confusion au niveau de la réponse. Plus
particulièrement, l’erreur rencontrée lors de cette tâche serait due à une compétition entre deux
réponses, la réponse sémantique l’emportant sur la réponse perceptive.
I.1.2.4. Conclusion
En résumé, les résultats obtenus lors de la détection d’une cible indiquent que l'efficience de la
recherche dépend bien de l’effet de facteurs qui ont été repérés et étudiés. Du point de vue des
processus de traitement, la dichotomie entre recherche en parallèle et recherche sérielle ne suffit
pas à expliquer les performances. Au contraire, les résultats suggèrent que la détection d'une cible
s'effectuerait sur la base d'un seul processus (Wolfe, 1994) : la recherche sérielle, et qui serait
- 43 -
tributaire de la valeur de l'activation des stimuli présents dans la scène visuelle et de la différence
d'activation entre la cible et les items l'environnant. Cette recherche sérielle guidée par les valeurs
d'activation qu’ont les objets qui composent la scène visuelle permet en effet d'expliquer les
résultats obtenus dans la littérature. Par exemple, le phénomène de pop out serait dû au fait que la
cible est l'item qui engendre le plus d'activation dans la scène visuelle facilitant ainsi sa détection
rapide. Les asymétries de détection observées seraient dues principalement aux différences
d'activations observées entre la cible et les items environnants (hétérogénéité du contexte et
similarité entre la cible et les items environnants).
Dans la plupart des études, les analyses sont effectuées sur les temps de réponse. Or, la
détection visuelle d’une cible s'effectue aussi à l'aide des mouvements oculaires, lorsque ceux-ci
sont possibles ou autorisés. L’analyse des mouvements oculaires lors de la détection nous paraît
être un moyen d’étude de l'effet des facteurs (nombre de stimuli présents simultanément avec la
cible, proportion des deux groupes de stimuli, hétérogénéité de la scène visuelle, similarité entre la
cible et le contexte, familiarité des stimuli) sur ces variables dépendantes (nombre de fixations
oculaires, amplitudes des déplacements oculaires, temps de pause oculaire) et de décrire les
processus de recherche en jeu lors de la détection. Enfin les mouvements oculaires permettent de
compléter et d’affiner les résultats obtenus sur les temps de réponse. Dans la section suivante, nous
décrivons cette technique de recueil de données (type de variables dépendantes, intérêt pour les
études en psychologie cognitive), ainsi que les études qui ont utilisé cette technique pour
caractériser la recherche visuelle d’une cible.
I.1.3. L’oculométrie
L’oculométrie est une méthode qui permet de suivre les mouvements oculaires des individus sur
une scène visuelle. Cette méthode permet de savoir où un individu regarde, combien de temps et
comment il regarde un objet. L’intérêt de l’utilisation d’une telle technique est multiple. D’une
part, les mouvements oculaires permettent d’enrichir l’interprétation de variables dépendantes plus
traditionnelles. D’autre part, utilisés en association avec des bases de données, ils peuvent
permettre d’être informé d’un point de vue sémantique ou lexical, en temps réel, sur l’item fixé à
l’instant donné (Baccino, 2002). Avant de présenter l’intérêt de l’utilisation d’une telle méthode,
est exposée une description des mouvements oculaires.
- 44 -
I.1.3.1. La description des mouvements oculaires
Deux grands types de mouvements ocula ires sont répertoriés : les fixations et les saccades. Chacun
de ces types répond à une fonction précise : les fixations assurent la stabilité du regard sur un point
A de l’environnement et les saccades assurent l’orientation du regard d’un point A vers un point B.
Les mouvements oculaires sont une succession de fixations et de saccades, les unes précédant les
autres.
I.1.3.1.1. Les fixations : stabilisation du regard
La stabilisation du regard sur la scène visuelle est assurée par un système de fixation qui assure le
maintien de l’objet regardé dans la fovéa. Elle s’effectue par l’intermédiaire de mouvements de très
faibles amplitudes (micro-saccades) pour maintenir le point de fixation, constitué d’un ensemble de
points échantillonnés distants de moins 0.5 degrés d’amplitude les uns des autres sur une durée
minimale de 100ms.
Une fixation se caractérise principalement par sa durée qui est censée dépendre de la
difficulté relative du traitement de l’information fixée. Plus cette information est difficile à traiter,
plus le temps de fixation sur cette partie de la scène visuelle sera long (Just et Carpenter, 1980).
Dans une tâche de lecture, une fixation se caractérise par un temps de pause d’environ 250 ms sur
la partie du texte considérée. Ce temps de pause correspondrait à l’analyse et au filtrage des
informations visuelles, à leur intégration aux informations précédemment traitées et à la
préparation de la prochaine saccade (Jacobs et Lévy-Schoen, 1987).
I.1.3.1.2. Les saccades : orientation du regard
L’orientation du regard sur une scène est assurée par le système saccadique. La saccade consiste en
un mouvement rapide et conjugué des yeux. Le système saccadique permet l’orientation du regard
d’un point A vers un point B. Les saccades assurent un changement volontaire de direction de l’axe
visuel dans l’espace en réponse à des signaux externes sur la position d’une cible dans le champ
visuel ou à des codes internes. Leur rôle serait de permettre d’amener l’image de la cible sur la
fovéa. Une saccade peut être décrite selon plus ieurs caractéristiques : son amplitude (la distance
séparant les points A et B), sa durée (entre 30 et 60 millisecondes) et sa vitesse (rapport entre
l’amplitude et la durée). Les saccades sont souvent jugées trop rapides pour permettre une
quelconque prise d’information.
- 45 -
Dans la lecture, les saccades peuvent être de deux types :
−
soit progressives, lorsque le regard se dirige sur une partie de la scène visuelle qui n’a pas
encore été explorée,
−
soit régressives, lorsque le regard revient sur une partie de la scène qui a déjà été explorée
(retour en arrière).
Le recueil de l’ensemble des saccades et fixations nous permet de reconstruire en temps
réel le parcours oculaire sur la scène visuelle.
I.1.3.2. L’intérêt de l’utilisation des mouvements oculaires
L’intérêt pr incipal de l’analyse des mouvements oculaires lors des expérimentations est de fournir
un reflet du traitement cognitif en temps réel, alors que les autres méthodes, comme par exemple
l’analyse des verbalisations qui peut être également en temps réel (verbalisations concomitantes),
est une mesure indirecte de ce traitement cognitif où l’analyse des réussites est une mesure du
résultat final (Baccino, 2003).
I.1.3.2.1. Un complément aux variables usuelles
Traditionnellement, les variables dépendantes recueillies et analysées dans la plupart des
recherches en psychologie cognitive sont relatives aux verbalisations ou aux performances (la
réussite et le temps de réponse, ou encore les actions effectuées par les participants). La prise en
compte des mouvements oculaires en tant qu’enrichissement de ces variables peut être envisagée
de deux manières : pour compléter le recueil et l’analyse des protocoles verbaux, et pour compléter
et interpréter une action et les temps de réponse.
I.1.3.2.1.1. Un complément à l’exploitation des verbalisations
L’analyse des verbalisations (Caverni, 1988), que celles-ci soient effectuées avant, pendant ou
après la réalisation de la tâche, pose deux problèmes. D'une part, elles sont souvent incomplètes
parce qu’il est difficile de décrire ce qu’on fait et parce que les mots peuvent manquer. D'autre part,
les participants ont tendance à rationaliser leurs actions, en créant à posteriori une justification à
leur comportement.
- 46 -
L’analyse des mouvements oculaires dans ce cas (lorsqu’ils sont utilisables) permet
d’associer des données objectives aux données subjectives exprimées par le participant et analysées
par l’expérimentateur. Par exemple, nous supposons que le mode de présentation de l’information
visuelle engendre un certain parcours de l’environnement. Sans l’utilisation des mouvements
oculaires, nous devrions demander directement au participant quel type de parcours oculaire il a
effectué. Cela nécessite pour le participant de se remémorer son parcours, et d’être sincère dans ses
réponses, alors qu’on sait qu’il a plutôt tendance à vouloir répondre aux attentes de
l’expérimentateur.
Ces deux biais expérimentaux (incomplétude et objectivité des verbalisations) peuvent être
compensés par le recueil des mouvements oculaires. En utilisant cette méthode, nous ne
demandons pas au participant de revenir sur ses essais, ni de se rappeler quelque chose qu’il n’a pas
fait.
Toutefois, les verbalisations restent un moyen efficace d’enrichir et d’orienter l’observation
comportementale effectuée.
I.1.3.2.1.2. Un complément au recueil des performances
L’analyse des performances à une tâche peut s’effectuer à l’aide de plusieurs observables : la
réussite, le temps de réponse ou encore les actions que le participant a effectuées pour résoudre la
tâche.
La prise de décision d’action est un indicateur précis des processus cognitifs et des
représentations en jeu dans la réalisation d’une tâche qui relève des actions qu’effectue le
participant pour réaliser cette tâche. Ainsi, par exemple, en analysant ces protocoles individuels, les
chercheurs peuvent remonter jusqu’aux contraintes que s’infligent les participants, alors que cellesci ne sont pas présentes dans la consigne, et inférer la représentation que le participant s’est
construite du problème. Un exemple typique de cette analyse des protocoles individuels pour
remonter à la construction et à l’évolution de la représentation du problème par les participants
concerne un problème de transformation d’état : la Tour d’Hanoï (Richard, Poitrenaud et Tijus,
1993).
Il en est de même pour les problèmes mathématiques : à partir de la procédure, et plus
particulièrement de l’opération ou de la combinaison d’opérations utilisées par le participant, les
chercheurs en infèrent la représentation construite par les participants (Vergnaud, 1991). En
utilisant les mouvements oculaires, Hegarty, Mayer et Monk (1995) ont montré que la prise
- 47 -
d’information oculaire sur l’énoncé du problème de mathématiques, est un indicateur de la
représentation que le participant se construit du problème. Ainsi, si le participant fixe dans des
proportions équivalentes tous les mots de l’énoncé, il se construit un modèle mental de la situation
décrite dans l’énoncé. S’il fixe majoritairement les termes relationnels (tels que plus que, moins de
etc.) et les nombres, le participant ne construit pas un modèle de la situation mais plutôt un modèle
de l’opération avec une mise en relation des nombres et des termes relationnels pour construire sa
réponse.
En plus de permettre l’accès aux représentations des participants avec des données plus
fines que les actions effectuées, les mouvements oculaires peuvent permettre de décrire de façon
détaillée l’évolution de cette représentation. En effet, l’analyse des procédures ne porte que sur les
actions effectuées par les participants. Les actions envisagées par le participant mais non exécutées
du fait, par exemple, d’une évaluation de cette action sur le résultat, ne sont pas accessibles avec
l’analyse des protocoles individuels. En revanche, le recueil des mouvements oculaires permet de
les observer et d’inférer le type d’action que le participant envisage sans pour autant l’exécuter.
Dans les études sur la recherche visuelle, l’une des variables les plus utilisées est le temps
de réponse, utilisant peu les mouvements oculaires comme indicateurs de l’activité de recherche
visuelle. Dans ce type d’études, les chercheurs relient les variations des temps de réponse aux
variations expérimentales. Or, les temps de réponse reflètent un ensemble d’activités : une activité
de recherche dans l’environnement, une activité de traitement de l’information et une activité de
décision de déclarer tel item comme étant la cible recherchée.
L’activité de traitement peut elle -même être décomposée en plusieurs phases : un
traitement de la forme pour reconnaître l’item fixé, une activité de comparaison entre l’item qui est
train d’être perçu et ceux qui ont déjà été traités précédemment.
Les mouvements oculaires peuvent nous permettre d’analyser plus finement un temps de
réponse : est-il dû à une difficulté de traitement des objets de l’environnement (dans ce cas là, nous
pourrons observer de longues pauses oculaires sur ces objets) ou est-il dû à une recherche intense
dans l’environnement (dans ce cas là nous observerons de nombreux déplacements oculaires dans
l’environnement) ? Par exemple, nous pouvons supposer observer une difficulté pour répondre à la
tâche lorsque les propriétés sémantiques de la cible sont proches de celles des objets qui composent
l’environnement de recherche, que lorsque ces propriétés sémantiques sont distantes. Cette
difficulté se caractériserait par un temps de réponse plus long dans le cas où la cible serait proche
sémantiquement du contexte, et de longues pauses sur chacun des objets de cet environnement (un
temps de traitement plus long).
- 48 -
I.1.3.2.2. Les utilisations croisées d’indicateurs
A partir du moment où nous sommes capables d’identifier avec précision l’endroit fixé par un
participant (au mot près, voire à la lettre près), rien n’empêche d’associer à ce dispositif plusieurs
bases de données. De la sorte, on peut obtenir rapidement une information sur ce que regarde le
participant et s’en servir pour changer l’état de la présentation, par exemple en déplaçant le curseur
pour le positionner à l’endroit fixé. C’est sur cette base que fonctionne la commande oculaire.
Ce dispositif consiste à déplacer le curseur de la souris sur une interface à commande avec
le regard. Ainsi, le participant pilote la navigation dans l’interface en la regardant. D’un point de
vue technique, le dispositif calcule d’abord la position de l’œil sur l’interface puis, retranscrit ces
coordonnées pour positionner la souris. Cette double intervention du dispositif est visible pour le
participant, puisqu’il a un feedback par le déplacement du curseur de la souris sur l’interface et que
c’est lui, qui, par l’intermédiaire de son regard, agit sur ce déplacement.
Dans cette perspective, nous pouvons imaginer obtenir un autre type de retour totalement
transparent pour le participant. Ainsi, nous pourrions relier ce dispositif à des bases lexicales telles
que, par exemple, une base contenant la fréquence lexicale de chaque mot du lexique français, ou
une base contenant toutes les associations sémantiques (utilisées notamment dans les études sur
l’effet set size). Cette association pourrait nous permettre de savoir, au moment où le participant
regarde tel mot, quelle est sa fréquence lexicale, quels sont ses associés sémantiques ou alors avec
quels types de mots ce mot est le plus souvent associé.
I.1.3.3. L’utilisation de l’oculométrie dans la détection de cible
Les mouvements oculaires sont traditionnellement utilisés dans les études portant sur les processus
en jeu lors d'une tâche de lecture. Grâce à cette technique plusieurs caractéristiques de la lecture ont
été décrites telle que l'empan visuel, les temps moyens de fixation sur un mot selon certains
facteurs, tels que par exemple sa fréquence lexicale ou alors son degré de congruence par rapport à
la phrase dans laquelle il apparaît, la position de la première fixation dans le mot, les causes de
refixations dans un mot et les régressions dans le texte.
Mais, comme le soulignent Rayner & Raney (1996), à chaque type de tâche correspond
certaines caractéristiques oculaires. De plus, ce qui est valable pour la lecture n'est pas forcément
valable pour d'autres tâches dont le matériel est lexical. Par exemple, Rayner & Raney (1996),
observent que, pour un même texte, selon la tâche demandée aux participants (lire le texte ou
chercher un mot cible particulier), le temps moyen de fixation sur un mot particulier du texte
- 49 -
diffère (il est de 276 msec dans une tâche de lecture et de 252 msec dans une tâche de recherche
visuelle), les amplitudes saccadiques varient également selon la tâche (8,1 lettres ou espaces dans
une tâche de lecture contre 11,2 dans une tâche de recherche visuelle). De même, alors que la
fréquence lexicale des mots du texte a une influence sur les temps de fixation sur le mot-cible lors
d'une tâche de lecture (les mots fréquents sont fixés moins longtemps que les mots rares), tel n'est
pas le cas lors d'une tâche de détection de cible (Rayner & Raney, 1996).
Traditionnellement, les études portant sur la détection visuelle d'une cible analysent les
variations des temps de réponse selon les variations expérimentale s pour rendre compte de certains
processus cognitifs en jeu dans une telle tâche. Or, deux temps de réponse identiques peuvent
résulter de deux processus différents. Lors d'une tâche de détection de cible, plusieurs processus
peuvent être décrits : un processus de recherche qui consiste à parcourir l'écran, un processus de
traitement, qui consiste à identifier les items présents à l'écran et un processus de décision qui
intervient lors de l'identification des items : correspond-il à la cible recherchée ou pas ?
Par exemple, un temps de réponse d'une seconde (soit 1000 msec) peut se décomposer de
deux manières :
−
De nombreux déplacements oculaires (nombreuses saccades et fixations) et des pauses
oculaires de courtes durées (des temps moyens de fixation faibles) : par exemple 4
saccades (ou 5 fixations) et des fixations d'environ 150 msec chacune.
−
Peu de déplacements oculaires mais des pauses oculaires de longue durée : par exemple 2
saccades (soit 3 fixations) et des fixations d'environ 300 msec chacune.
De plus, une moyenne de temps de fixation de 150 msec peut correspondre à une première
fixation de 250 msec, puis à 4 autres fixations d'environ 125 msec ou correspondre à 5 fixations de
150 msec chacune.
La technique des mouvements oculaires nous permet surtout de retracer en temps réel le
parcours oculaire du participant à l'écran lors de la recherche. De ce fait, nous pouvons observer de
quelle manière le participant parcourt l'écran : est-ce qu'il commence toujours en haut à gauche de
l'écran ? Comment s'effectue le reste du parcours : quels indices sur l'écran utilise-t-il pour déplacer
son regard et prendre de l’information ? Ainsi, nous nous retrouvons face aux mêmes questions
posées par les études sur la lecture utilisant la technique oculométrique : où et quand déplacer son
regard ?
Quelques études en détection de cible recourent à la technique des mouvements oculaires
pour en analyser les processus. Il s’agit alors de relier des caractéristiques des mouvements
- 50 -
oculaires au type de recherche : recherche en parallèle et recherche sérielle et de relier ces
caractéristiques à l'efficience de la recherche. Ces recherches tentent également d'étudier les effets
de certaines manipulations expérimentales sur les mouvements oculaires afin d’interpréter plus
finement les temps de réponse. Ce sont ces deux versants de la détection de cible qui sont exposés
maintenant.
I.1.3.3.1. Les différences oculaires entre les deux processus de recherche
Pour caractériser la recherche en parallèle et la recherche sérielle par les mouvements oculaires, les
auteurs reprennent le matériel très classique des tâches de détection de cible où les résultats ont été
maintes fois répétés. Pour rendre compte de l'efficience de la recherche en parallèle par rapport à la
recherche sérielle par l'intermédiaire des mouvements oculaires, il s'agit d'enregistrer les
mouvements oculaires des participants lors de la réalisation de ces deux types de tâches. Ainsi
reprenant deux tâches utilisées par Treisman & Souther (1985), en enregistrant les mouvements
oculaires, Zelinsky & Sheinberg (1995) montrent qu'une recherche sérielle de la cible (détecter
un
parmi des
) engendre plus de saccades (et donc de fixations) et une latence plus
importante avant d'effectuer la première saccade (durée de la première fixation) plus longue que
lors d'une recherche en parallèle de la cible (détecter un
parmi des
). De plus, Williams,
Reingold, Moscovitch & Behrmann (1997) montrent que lorsque la recherche est sérielle
l'augmentation du nombre d'items présents simultanément avec la cible engendre une augmentation
des temps de réponse associée à une augmentation du nombre de fixations. Ces derniers montrent
également que la différence entre les deux types de recherche sérielle et parallèle réside dans ce
qu'ils définissent comme étant l'erreur de la première saccade. Cette erreur saccadique consiste à
calculer la distance entre la position du regard à la fin de la première saccade (soit la position de la
seconde fixation) et la position de la cible lorsque celle -ci est présente. Lorsque la scène visuelle
présentée permet une recherche en parallèle de la cible, cette erreur augmente significativement
lorsque des stimuli en plus de la cible sont présents dans le contexte mais ne dépend pas du nombre
de ces stimuli. La présence des items dans le contexte de la cible suffit pour que l'erreur saccadique
augmente, sans pour autant que cette erreur soit dépendante de leur nombre. En d'autres termes, que
l'écran contienne 12 ou 24 items, l'erreur saccadique sera la même mais elle sera supérieure par
rapport au cas où la scène visuelle ne contient qu'un élément (la cible). En revanche lorsque l'écran
présenté induit une recherche sérielle de la cible, l'erreur saccadique augmente significativement
avec l'augmentatio n du nombre de stimuli dans le contexte. C'est à dire que dans le cas d'une
recherche sérielle, avoir 24 stimuli à l'écran engendre une erreur saccadique plus importante que
d'avoir 12 items à l'écran.
- 51 -
Par ailleurs, Zelinsky & Sheinberg (1997) trouvent une différence majeure entre deux types
de tâche résolues par une recherche sérielle de la cible : détecter l'absence d'un trait pour la cible
(détecter un
parmi des
) et une tâche de conjonction de traits (détecter par exemple une
barre rouge horizontale parmi des barres rouges verticales et des barres vertes horizontales). Alors
que dans la première tâche, l'augmentation du nombre d'éléments à l'écran n'a pas d'effet sur le
nombre de saccades réalisées, il a un effet sur la détection d'une cible conjonctive. Ces auteurs
avaient déjà observé en 1995 que la tâche de détection d'absence d'un trait engendrait une durée de
première fixation plus importante que lorsque les items du contexte et la cible changeaient de rôle.
Cette différence de durée de première fixation ne s’observe pas entre la détection d’une cible
conjonctive et la détection d’une cible qui se distingue des items du contexte par un seul trait
(détecter une barre rouge horizontale parmi des barres rouges verticales). Ces résultats suggèrent
deux types de recherche sérielle, dépendant à la fois du type de contexte et de cible auquel le
participant est soumis : dans le cas d'une conjonction de traits, le participant se lancerait dans une
recherche sans délai de la cible en exécutant une série de mouvements oculaires vers chaque cible
potentielle (présentant la même orientation ou la même couleur que la cible). Dans le cas de
recherche d'une cible se caractérisant par une absence de traits par rapport aux items du contexte,
les participants effectueraient un calcul pour tenter de localiser la cible avant de commencer la
recherche.
En résumé, ces résultats nous informent que la différence entre les types de recherche se
traduit fortement par une différence au niveau des mouvements oculaires. Ils montrent notamment
que les variations dans les temps de réponse sont fortement corrélées aux variations du nombre de
fixations, et qu'une recherche en parallèle (avec apparition du phénomène de pop out) se caractérise
par une information sur la localisation de la cible disponible plus rapidement (résultats sur la
latence de la première saccade ou la durée de la première fixation) et une atteinte visuelle de la
cible plus directe (résultat sur l'erreur saccadique) que lorsque la recherche est sérielle.
I.1.3.3.2. Les facteurs expérimentaux
Les études qui utilisent les mouvements oculaires lors de la détection de cible sont très récentes.
C’est probablement pour cette raison que les facteurs étudiés ne sont pas aussi nombreux que ceux
qui sont étudiés lors de la détection de cible. Néanmoins, les effets de la structure de présentation,
de la similarité entre la cible et le contexte, de l'hétérogénéité du contexte et de la familiarité de la
cible et des items du contexte sont quantifiés (ou en voie de l'être entièrement) par l'intermédiaire
des mouvements oculaires.
- 52 -
I.1.3.3.2.1. L’effet de la structure de présentation
Ojanpää, Näsänen & Kojo (2002) en manipulant l’orientation verticale ou horizontale d’une liste de
mots observent des différences au niveau des mouvements oculaires lorsque les participants
doivent détecter un mot précis dans cette liste. Même si cette orientation n’a pas d’effet significatif
sur les temps de réponse, ces auteurs observent qu’une présentation en verticale (entre 5 et 20 mots
présentés sur une même colonne, chaque mot étant séparé par l’équivalent d’une ligne blanche)
engendre moins de fixations, des temps de fixations plus importants et des saccades de plus faibles
amplitudes qu’une présentation horizontale de cette liste (une à cinq lignes contenant chacune 5
mots et espacés verticalement de l’équivalent de sept lignes blanches). Cette étude montre surtout
que l’empan visuel sur la verticale est d’environ 4 à 5 caractères ou espaces. A partir d’une seule
fixation, les participants peuvent donc appréhender jusque quatre mots sur la même verticale, alors
que sur l’horizontale une seule fixation permet d’appréhender maximum 2 mots d’une longueur
moyenne de 6 lettres.
Bien que Ojanpää, Näsänen & Kojo (2002) observent que le type d’exploration visuelle (en
ligne ou en colonne) dépend du type de structure de présentation (respectivement : tous les mots sur
plusieurs lignes ou tous les mots sur plusieurs colonnes), Colombi & Baccino (2003) observent que
quelle que soit la structure de présentation (lignes ou en colonnes), l’exploration privilégiée pour
une recherche parmi des liens hypertextuels est en colonne. Cette différence de résultats entre ces
deux études peut provenir de deux facteurs : d’une part, il s’agit de listes soit de mots (Ojanpää,
Näsänen & Kojo,2002) et soit de phrases formant des liens hypertextuels (Colombi & Baccino,
2003). D’autre part dans l’étude de Ojanpää, Näsänen & Kojo (2002) l’espace entre deux lignes est
plus important que dans l’étude de Colombi & Baccino (2003), rendant difficile un parcours en
colonnes des mots.
I.1.3.3.2.2. L’effet de la similarité de la cible par rapport au contexte
Lorsque la similarité est forte entre la lettre cible (par exemple un b) et les lettres situées sur une
même ligne qui forme son contexte (h, k, d, l), Rayner & Fisher (1987) observent un nombre de
fixations, des durées de fixations plus importantes, des saccades plus amples et un empan visuel
plus faible pour détecter la cible que lorsque cette similarité est faible (détecter un b parmi des v, s,
c, z). La Figure 15 illustre ces deux conditions expérimentales.
- 53 -
Cible et contexte similaires
Cible et contexte non similaires
hkdlhkdlhbhkdlhkdlhkdlkdl
vsczvsczbvsczvsczvsczvscz
Figure 15. Exemples de deux conditions de détection de cible selon la similarité entre la cible et le contexte
Lors de la détection d'une cible conjonctive sur la couleur et l'orientation, Williams &
Reingold (in press) observent également que l'augmentation du nombre de stimuli dans le contexte
engendre une augmentation du nombre de fixations (corrélée avec les temps de réponse) plus
importante lorsque la cible et les items du contexte sont très similaires par leur forme (détecter un E
parmi des F) que lorsqu'ils ne le sont pas (détecter un C parmi des T).
Ces résultats montrent que la similarité entre la cible et le contexte accentue les effets des
facteurs expérimentaux observés lorsque cible et contexte ne sont pas similaires.
I.1.3.3.2.3. L’effet de l'hétérogénéité du contexte
L'hétérogénéité du contexte peut être vue sous deux angles :
−
Le nombre de type de stimuli différents dans le contexte (le nombre de couleurs par
exemple)
−
La proportion relative de stimuli chaque type (le nombre de stimuli bleus par rapport au
nombre de stimuli rouges).
Concernant le premier point, Jacobs (1991) observe que lors de la détection d'une lettre sur
une ligne contenant 40 lettres, augmenter le nombre de lettres différentes (1, 2, 4 ou 8) engendre
une diminution de la taille des saccades et une augmentation des durées de fixations. Ainsi les
résultats indiquent que l'hétérogénéité catégorielle du contexte engendre une diminution de l'empan
visuel (quantifiable à partir de la taille des saccades). En revanche, lorsque la cible est similaire
visuellement aux lettres présentes sur la ligne (par exemple détecter un R parmi des A, F, B)
l'hétérogénéité du contexte n'a pas d'effet sur la taille des saccades : cette taille est de 3 lettres.
Seulement, lorsque la cible est différente visuellement des autres le ttres (par exemple le même R à
détecter parmi des T, U, J) la taille des saccades diminue de 11 lettres à 5 lettres avec
l'augmentation de l'hétérogénéité des lettres (de 1 à 8 lettres différentes). Ces résultats indiquent
donc que l'hétérogénéité du contexte diminue la taille des saccades uniquement lorsque la similarité
entre la cible et le contexte permet l'obtention de larges saccades.
- 54 -
Concernant l’hétérogénéité fréquentielle, Shen, Reingold & Pomplum (2000) ont montré
d'une part, que l'augmentation des temps de réponse observée notamment par Poisson & Wilkinson
(1992), lorsque les nombres de stimuli des deux groupes du contexte se rapprochent de
l'équivalence (50-50) s'accompagne d'une augmentation du nombre de fixations. D'autre part, le
résultat le plus intéressant est que les participants parcourent en premier lieu le groupe de stimuli
qui a à la fois une propriété commune avec la cible et qui a le moins de représentants dans le
contexte. Par exemple si la cible est une barre rouge horizontale et que le contexte contient 19
barres vertes horizontales et 4 barres rouges verticales (plus la cible), les participants
commenceront par parcourir visuellement les barres rouges verticales. De plus, cette étude montre
également que les participants privilégient pour commencer leur inspection les items qui portent la
même couleur que la cible avant d'inspecter les items qui ont la même forme ou la même
orientation que la cible. Enfin, dans les cas de disproportion dans les deux groupes de stimuli, les
participants mettent moins de temps pour effectuer leur premier déplacement oculaire que lorsque
les deux groupes de stimuli sont en nombre équivalent.
I.1.3.3.2.4. L’effet de la familiarité des stimuli
La familiarité des stimuli lors de la détection d'une cible est à envisager sous trois angles : la
familiarité de la cible, la familiarité des items du contexte et la différence de familiarité entre la
cible et le contexte.
En général, la non-familiarité d'un item est obtenu en faisant subir une rotation de 90
degrés ou de 180 degrés à une forme familière telle qu'une lettre ou un chiffre.
Dans le but d'expliquer les résultats de Wang et al. (1994, section I.1.3.6) sur l'effet de la
différence de familiarité entre la cible et le contexte, Greene & Rayner (2001) enregistrent les
mouvements oculaires des participants lors de la réalisation de deux tâches de détection : détecter
une cible familière dans un contexte non familier et détecter une cible non familière dans un
contexte familier. Dans la mesure où Rayner & Raney (1996) ont observé que dans une tâche de
détection de cible dans un texte, la fréquence lexicale du mot et donc sa familiarité pour le
participant n'a pas d'effet sur les temps de fixations sur le mot cible, Greene & Rayner (2001)
supposent que la différence de performances observée entre ces deux types de tâches est surtout
due à une différence de temps de fixation sur les items du contexte : un contexte non familier
engendrerait des temps de fixations moyens plus importants qu'un contexte familier. Or,
contrairement à leurs attentes, un contexte non familier engendre uniquement plus de fixations
qu'un contexte familier. Utilisant le paradigme de la fenêtre mobile pour quantifier l'empan visuel
- 55 -
lors de la réalisation d'une tâche, ils observent qu'un contexte constitué d'items familiers permet un
empan visuel plus important qu'un contexte constitué d'items non familiers. Ainsi, sur un contexte
familier, les participants perçoivent plus d'items lors d'une seule fixation que sur un contexte non
familier et, dans ce cas, effectuent moins de fixations pour identifier la cible.
Shen & Reingold (1999) ont également étudié les différences de distributions dans les
fixations sur les items du contexte selon qu'ils sont familiers ou non familiers. Lorsque la cible est
familière, contrairement à leurs attentes, ils n'observent pas de différence de répartitions des
fixations entre les items familiers et les items non familiers du contexte. En revanche lorsque la
cible est non familière, ils observent plus de fixations sur les items non familiers que sur les items
familiers. Selon ces auteurs les connaissances liées à la cible (activation Top Down) dirigent
l'attention des participants vers les stimuli portant la même caractéristique que la cible : dans le cas
d'une cible familière il s'agit des items familiers, dans le cas d'une cible non familière, il s'agit des
items non familiers. Seulement l'attention, également dirigée par les activations Bottom Up (les
caractéristiques du contexte) est guidée vers les items non familiers et ceci quelle que soit la
familiarité de la cible. De ce fait, lors de la détection d'une cible non familière, les deux types
d'activation Bottom Up et Top Down convergent vers un même type de stimuli : les items non
familiers. En revanche, lorsque la cible est familière, aucune des deux activations ne prend le
dessus au détriment de l'autre, ce qui explique la répartition équivalente entre les deux types de
stimuli. Shen & Reingold (1999) observent ce résultat aussi bien pour des lettres que pour des mots
de deux lettres (par exemple, GO et OG).
Ces résultats nous indiquent que la familiarité de la cible et celle du contexte n'ont pas les
mêmes effets sur les mouvements oculaires. La familiarité du contexte semble avoir surtout une
influence sur la taille de l'empan visuel : un contexte familier permet un empan visuel plus
important qu'un contexte non familier et de ce fait, permet de détecter la cible avec moins de
fixations qu'un contexte non familier. La familiarité de la cible quant à elle semble diriger la
recherche sérielle ou la répartition des fixations dans la scène visuelle selon la nature des stimuli :
les stimuli non familiers sont plus souvent fixés que les stimuli familiers lors de la recherche d'une
cible non familière. En revanche lors de la détection d'une cible familière, la répartition des
fixations est équivalente entre les stimuli familiers et les stimuli non familiers.
I.1.4. Conclusion
Les résultats sur l'identification de mots et la détection de cible nous permettent de dégager certains
facteurs qui faciliteraient la détection d'une cible lexicale : émergence d’un mot particulier de son
- 56 -
environnement. Les caractéristiques aussi bien visuelles que sémantiques de la cible, celles du
contexte et les différences visuelles et sémantiques entre la cible et le contexte peuvent influencer
les performances de recherche. Ces caractéristiques sont détaillées dans le chapitre suivant (section
I.2), ainsi que les attentes pour ces manipulations.
Comme le montrent les études menées avec l'utilisation des mouvements oculaires sur la
détection de cible, cette technique nous fournit des indicateurs très précieux pour l'étude des effets
des facteurs expérimentaux sur les performances. Le recueil des mouvements oculaires permet
d'une part de détailler et d'expliquer plus finement des temps de réponse (difficulté de recherche ou
difficulté de traitement) mais également d'appréhender en temps réel les processus cognitifs en jeu
lors de la réalisation de la tâche.
- 57 -
I.2. Favoriser les affordances lexicales : les facteurs déterminants
I.2. Favoriser les affordances lexicales : les
facteurs déterminants
Notre hypothèse générale est qu’un ensemble de facteurs permet de favoriser la détection d’un mot
parmi d’autres. Cet ensemble regroupe des facteurs qui portent à la fois les propriétés visuelles des
mots, tels que leur agencement spatial dans la scène visuelle (ce que nous appellerons désormais
structure de la scène visuelle), les attributs perceptifs du mot cible selon qu’ils sont partagés ou non
avec d’autres stimuli du contexte, mais également les propriétés cognitives que l’individu attribue
au mot du fait de son expérience comme la fréquence lexicale, la catégorisation sémantique et la
typicalité du mot par rapport à sa catégorie sémantique super-ordonnée.
I.2.1. Effet de la structure de la scène visuelle
Nous supposons que la prise d’information dans une scène visuelle et les performances de
recherche qui en découlent, dépendent des principes d’organisation qui régissent la structure de la
scène visuelle. Cette hypothèse est étudiée à travers deux expérimentations (expérimentation 1 et
2).
I.2.1.1. Perception de la structure de la scène visuelle
Selon la théorie Gestaltiste, plusieurs principes permettent d’organiser la perception de notre
environnement visuel (Koffka, 1935). Le postulat sous-jacent à cette théorie est que chaque objet
de la scène visuelle, voire la scène visuelle, est perçu comme un tout et que la perception de ce tout
est différente de la somme des perceptions des parties le composant.
Koffka (1935) décrit plusieurs principes qui régissent notre perception, ces principes
permettant d'organiser notre environnement perceptif.
Certains principes concernent le regroupement des objets de la scène visuelle : sont perçus
comme une unité tous les objets qui sont similaires (principe de similarité), qui sont proches
spatialement (principe de proximité), qui semblent orientés dans la même direction (principe de
continuité), qui semblent bouger dans la même direction et à la même vitesse (principe du destin
- 58 -
commun). Selon ces principes, nous aurons tendance à percevoir trois colonnes ou trois lignes dans
la Figure 16. Dans la Figure 16a, le principe de proximité nous permet de distinguer les trois
colonnes ou les trois lignes. Dans la Figure 16b, la distinction des lignes et des colonnes s'effectue
par le principe de similarité.
a. Principe de proximité
b. Principe de similarité
Figure 16. Structuration visuelle par les principes de proximité et de similarité
Par le principe de bonne continuité, nous avons tendance à percevoir dans la Figure 17 une
droite qui croise une courbe. Or sur cette représentation ne figurent que des points qui suivent une
certaine orientation. L’appartenance d’un point à une courbe ou à la droite dépend du meilleur
prolongement de la courbe ou de la ligne auquel il participe. Nous avons donc l’impression que le
prolongement des points qui partent de A s’effectue vers B et non vers C ou D. De même, le
prolongement des points qui part de C s’effectue vers D.
Figure 17. Perception régie par le principe de bonne continuation
- 59 -
Le principe de fermeture nous conduit à percevoir les formes ouvertes comme étant
fermées. Par exemple, dans la Figure 18a qui présente des contours illusoires, nous avons tendance
à percevoir un cercle alors que les deux extrémités ne se rejoignent pas. De même, dans la Figure
18b nous avons tendance à percevoir un carré alors que ses arêtes ne sont pas tracées
physiquement.
a : cercle non fermé
b : contours illusoires
Figure 18. Perception selon le principe de fermeture
D'autres principes tels que la loi de la bonne forme (ou de la prégnance) ou encore de la
ségrégation figure-fond permettent également de structurer la perception de notre environnement
visuel. Nous serions enclins à percevoir en priorité la forme la plus simple (loi de la bonne forme).
De ce fait dans la Figure 19, nous avons tendance à percevoir trois rectangles plutôt qu’une figure
composée de 12 côtés.
Figure 19. Perception selon la loi de la bonne forme
La ségrégation figure-fond permet de distinguer les objets en les mettant au premier plan
frontal et en les séparant du fond mis au second plan frontal. Les objets ont alors des contours bien
définis et sont au premier plan. En revanche, le fond a une structure moins dominante et est en
- 60 -
arrière plan. Lorsque nous avons une double figure sous les yeux, le fond et la forme peuvent être
intervertis. Chacun peut être vu comme une forme, le passage d'une forme à l'autre s'effectue par un
changement de point de vue. Ainsi dans la Figure 20a au premier abord nous pourrions apercevoir
une jeune fille avec un chapeau qui regarde au loin. Il suffit de focaliser son attention sur une partie
de la jeune fille comme par exemple le menton pour voir apparaître une vieille femme (et dans ce
cas, le menton de la jeune fille devient le nez de la vieille femme). Le principe de ce type de figure
est que, d'une part, on ne peut pas voir les deux figures en même temps et que, d'autre part, les
contours perçus appartiennent à la forme dominante. Nous retrouvons ce type de phénomène pour
la Figure 20b. Dans un premier temps, nous pouvons percevoir un vase dont les contours peuvent
également servir à délimiter deux visages de profils.
a. Jeune fille ou vieille femme ?
b. Vase ou visages ?
Figure 20. Ségrégation figure fond et figures doubles
Ces quelques exemples montrent que l'organisation visuelle de l'environnement est gérée
par l'attribution des propriétés perceptives ou structurales de l'objet. Cette attribution de propriétés
suit plusieurs principes dont certains viennent d'être décrits.
La théorie de la forme met, en outre, l'accent sur le fait que notre perception ne représente
pas forcément ce qu'il y a dans notre environnement. En effet, dans la Figure 22 nous avons
l'impression que le personnage situé en arrière plan est plus grand que celui situé en premier plan.
De même dans la Figure 21, nous avons l'impression que le cercle central de gauche est plus petit
que le cercle central de droite. Or quelle que soit la figure, les deux objets pris séparément du
contexte (les deux personnages de la Figure 22 et les cercles centraux pour la Figure 21) sont de
taille identique.
- 61 -
Figure 21
Figure 22
Ainsi l'objet se distingue de son environnement aussi bien par les propriétés qu'il présente
que par les propriétés présentées par les objets présents simultanément avec lui.
Partant de ces principes d’organisation visuelle décrits par la théorie Gestaltiste (Koffka, 1935),
nous supposons que la structure de présentation visuelle des items engendre un certain type de
parcours oculaire. Cette première hypothèse est testée dans la première expérimentation (section
II.2). La structure de la scène visuelle est étudiée en tant qu’agencement spatial des items les uns
par rapport aux autres dans la scène visuelle.
Selon les principes de la théorie Gestaltiste décrits plus haut, face à un certain nombre
d’items, le participant percevrait d’abord le tout avant d’en percevoir les parties. La perception des
parties s’effectuerait selon certains principes : le principe de proximité (sont regroupés tous les
items proches spatialement les uns des autres), le principe de similarité (sont regroupés tous les
items identiques perceptivement) ou le principe de bonne continuation (sont regroupés tous les
items qui se projettent dans une même direction). Dans le cadre de nos comparaisons
expérimentales relatives à l’agencement spatial des éléments à l’écran, le principe de proximité
permettrait, par exemple, aux participants d’identifier les lignes et colonnes composant la structure
de la scène visuelle. L’exploration de la scène visuelle, autrement dit le passage d’une partie de la
structure à une autre, s’effectuerait selon le principe de bonne continuation ou selon le principe de
- 62 -
similarité : l’application d’un des deux principes relèverait en premier lieu du type de structure. Si
la structure ne contient que des lignes ou des colonnes, nous pouvons nous attendre à obtenir une
exploration ligne par ligne ou colonne par colonne. Si la structure contient à la fois des colonnes et
des lignes, nous pouvons nous attendre à soit une lecture selon une ligne directrice : du haut vers le
bas mais également une lecture qui consiste à explorer en premier lieu tous les mots présentés sous
une même modalité (par exemple toutes les colonnes) puis tous ceux présentés sous l’autre
modalité (toutes les lignes) et ceci même si deux groupes de mots d’une même modalité (les lignes
et les colonnes) ne se succèdent pas spatialement.
I.2.1.2. Etude de la structure sur les performances
Précédemment nous avons vu que la structure de la scène visuelle guide sa perception. Cet effet est
retrouvé avec des études récentes qui montrent que la structure visuelle d’un texte par la mise en
forme matérielle a un effet sur l’exploration visuelle de ce texte. Ainsi par exemple, le fait de
structurer le texte en le segmentant en paragraphes permet une prise d’information plus rapide
(Cellier & Terrier, 2001) et facilite à la fois son rappel global (surtout pour les informations en
début de texte) et le travail intégratif du lecteur (observation inférée à partir du nombre de
relectures) lorsque cette mise en forme matérielle respecte la segmentation linguistique (Schmid &
Baccino, 2001).
Peu d’études, même sur la détection de cible, manipulent ce facteur pour quantifier son
impact sur les performances. Et pourtant cette variable peut être importante lors de l’évaluation
ergonomique des interfaces visuelles. Dans la section I.1.3.3.2.1, nous avons exposé l’étude de
Ojanpää, Näsänen & Kojo (2002) où l’orientation de la liste de mots, verticale ou horizontale, est
manipulée. Cette étude permet de quantifier l’empan visuel sur la verticale mais ne permet pas
d’observer l’efficience d’une structure particulière par rapport à l’autre. En effet, dans cette étude le
nombre de participants était, d’une part, très faible : trois. Et d’autre part, la distance entre deux
mots sur la même verticale diffère selon l’orientation de la liste de mots : cette distance est sept fois
plus importante pour l’orientation horizontale que pour l’orientation verticale. Néanmoins, cette
expérience montre que l’orientation verticale des mots permet aux participants de traiter jusque
quatre mots en une seule fixation alors que l’orientation horizontale ne permet d’appréhender que
maximum deux mots en une seule fixation. Ceci suggère qu’une orientation en colonne facilite une
détection plus rapide de la cible qu’une orientation verticale.
Par ailleurs, lors d’un test d’évaluation de la page d’accueil d’un portail web, nous avons
montré que cette structure a un impact sur les temps de réponse lors de la réalisation d’une tâche de
- 63 -
recherche d’information visue lle (Chêne, Léger, & Perret, 2002). Dans cette étude, trois structures
de page d’accueil sont utilisées (Figure 23).
L’organisation visuelle de la première maquette (structure 1) semble proche d’une structure
en ligne, celle de la seconde maquette (structure 2) paraît proche d’une structure en colonnes et
celle de la troisième maquette (structure 3) paraît proche d’une structure en ellipse. Autant les
performances en terme de réussite à la tâche ne diffèrent pas d’une structure à l’autre, autant la
maquette en ellipse (structure 3) engendre des temps de réponse plus courts que la maquette en
lignes (structure 1). A ce temps de réponse plus court est associé un nombre de fixations plus
faible.
Structure 1
Structure 2
Structure 3
Figure 23. Trois structures de pages d’accueil utilisées pour l’évaluation ergonomique effectuée par Chêne,
Léger & Perret (2002).
Spérandio & Bouju, (1983), dans une étude sans variation de la structure (mais reliant le
type d’exploration aux performances) montrent également que plus les participants s’engagent dans
une exploration en colonnes dans la matrice (composée de 8 lignes sur 8 colonnes) au détriment
d’une exploration en lignes dans cette même matrice, et plus le s temps de réponse et les variables
oculaires associées (nombre de fixations et temps de fixation total) diminuent. Ces résultats
- 64 -
suggèrent que l’exploration en colonnes permet de détecter plus rapidement une cible qu’une
exploration en lignes.
De ces études, nous pouvons supposer que la structure de présentation des mots à l’écran
influence les performances en terme de vitesse de détection. Par ailleurs, si effectivement une
exploration en colonnes de la structure permet une détection plus rapide de la cible comme l’ont
observé Spérandio & Bouju (1983), nous pouvons nous attendre qu’une structure qui engendre ce
type d’exploration (tous les mots disposés en colonnes) permette une détection plus rapide qu’une
structure engendrant une exploration en ligne (tous les mots disposés en ligne).
Pour résumer, nous supposons que la structure de la scène visuelle, en influençant le type
d’exploration dans lequel s’engage le participant, a également un effet sur les performances de
détection.
I.2.2. L’effet du nombre de mots identiques à la cible
Ce facteur est le facteur principal qu’on trouve avec les recherches sur la détection de cible : effet
du nombre de stimuli présents simultanément avec la cible et proportion des groupes de stimuli.
Dans ces études, les participants connaissent, le plus souvent, l’apparence visuelle de la cible ainsi
que celle des stimuli du contexte dans lequel la cible est présente (ou pas). De ce fait la recherche
est dirigée à la fois par un processus Top-Down (dirigé par les connaissances rela tives à
l’apparence visuelle des stimuli) et par un processus Bottom-Up (dirigé par les données de
l’environnement visuel). Dans ces recherches, ces deux traitements renvoient aux mêmes propriétés
perceptives. L’avantage d’utiliser un matériel sémantique (des mots) est de pouvoir tester
séparément ces deux types de processus sur deux dimensions : les propriétés perceptives et les
propriétés sémantiques. En effet, si l’on considère une cible pré-définie uniquement par sa
catégorie sémantique super-ordonnée (par exemple, détecter un oiseau), nous pouvons supposer
que les propriétés perceptives du contexte vont permettre d’orienter la recherche de cette cible.
Même si l’effet du nombre d’items présentant les mêmes propriétés visuelles que la cible, n’a pas
encore été étudié dans le cadre d’une recherche sémantique, les résultats présentés dans la section
I.1.1.3.2 sur la détection de cible nous fournissent des hypothèses quant aux performances
attendues. Notre hypothèse principale rejoint celle précédemment émise dans le paragraphe
précédent sur la structure de la scène visuelle (I.2.1.) : nous supposons que les propriétés visuelles
de la scène visuelle vont guider l’exploration d’une recherche sémantique, bien qu’il n’y ait pas de
raison que celles-là favorisent celle-ci.
- 65 -
Des recherches sur le phénomène de pop out, nous pouvons nous attendre à ce que la
détection de la cible sémantique soit optimale lorsqu’elle est le seul item à présenter une propriété
particulière (par exemple être la seule de couleur rouge). Quelle que soit la théorie sur la recherche
visuelle retenue, ce cas engendre soit une détection en parallèle du trait « rouge » (Treisman &
Gelade, 1980), soit une plus forte activation pour l’item présentant cette couleur et donc une
attention dirigée en premier lieu vers cet item (Wolfe & Cave, 1990). Des recherches sur les effets
de la proportion des deux groupes de stimuli dans le contexte (Poisson & Wilkinson, 1992 ; Shen,
Reingold & Pomplum, 2000), nous pouvons nous attendre à obtenir des différences de
performances en fonction de la disproportionnalité des deux groupes de stimuli. Dans ces deux
recherches, les participants privilégient en premier lieu le groupe de stimuli qui a le plus petit
nombre de représentants et qui par nécessité du paradigme expérimental possède une propriété
commune avec la cible, la connaissance des propriétés visuelles de la cible permettant de répondre
très rapidement à la question. En effet si le participant doit détecter la présence d’un X rouge et que
sur l’écran apparaît 25% de O rouges et 75% de X bleus, l’inspection des 25% d’items de couleur
rouge suffit pour répondre à la question. Toutefois lorsque le participant ne connaît pas les
caractéristiques visuelles de la cible et que le contexte contient plusieurs groupes de stimuli dans
des proportions différentes, deux parcours de recherche peuvent être mis en place pour déterminer
une cible sémantique :
−
Ne pas tenir compte de cette répartition et des propriétés visuelles des stimuli et parcourir
la scène selon sa structure. Dans ce cas, nous n’observerons pas d’effet de cette répartition
sur les performances de détection.
−
Commencer par le groupe qui a le moins de représentants dans la scène visuelle. De ce fait
l’augmentation du nombre de stimuli identiques à la cible devrait engendrer une baisse des
performances de détection.
Ce parcours résulterait d’un processus est lié au guidage de la recherche par les niveaux
d’activations et du poids attentionnel des stimuli (Duncan & Humphreys, 1989). Dans le cas d’une
scène visuelle comprenant deux groupes perceptifs, le poids attentionnel serait plus important vers
le groupe ayant le moins de stimuli : le poids attentionnel affecté à un stimuli augmente
proportionnellement avec la diminution de la similarité entre lui et les autres items de la scène
visuelle. Ainsi face à une scène visuelle comprenant deux groupes perceptifs dans des proportions
non équivalentes, les participants privilégieront le petit groupe de stimuli pour débuter la recherche
comme l’attestent les résultats de Shen, Reingold & Pomplum (2000), même si dans cette étude les
participants connaissaient les caractéristiques visuelles de la cible. Dans ce cas, le poids
attentionnel vers le groupe perceptif ayant un faible nombre de stimuli est amplifié du fait de ces
connaissances de la cible (Cave & Wolfe, 1989).
- 66 -
Si la recherche est guidée par des processus d’activation et relève d’un processus de bas
niveau alors la détection d’une cible conjonctive devrait être plus performante à mesure que son
contexte s’éloigne de l’équivalence des deux groupes de stimuli, répliquant ainsi les résultats de
Shen, Reingold & Pomplum (2000).
Ces effets de la disproportion des groupes de stimuli et de la présentation perceptive de la
cible sont étudiés à travers une expérimentation (section II.3) qui regroupe deux expériences
(section II.3.2 et II.3.3).
I.2.3. L’effet de la fréquence lexicale
La fréquence lexicale d’un mot se définit par son nombre d’occurrences dans la langue, puisqu’un
mot fréquent a une forte probabilité d’avoir été souvent rencontré et utilisé par les individus, ce qui
n’est pas le cas d’un mot rare. Cette variable ayant un effet sur le temps de traitement d’un mot lors
d’une tâche de lecture (Rayner & Raney, 1996), nous pouvons également nous attendre à ce qu’elle
ait un effet sur la détection d’une cible.
Comme nous l’avons vu précédemment il y a peu d’études sur ce facteur du fait de
l’utilisation massive d’un matériel figuratif dans les recherches sur la détection de cible. De plus,
lors des études le contexte est constitué soit d’un seul groupe de stimuli (Wang, Cavanagh &
Green, 1994, Rayner & Greene, 2000 et Shen & Reingold, in press), soit de deux groupes de
stimuli (Shen & Reingold, 1999). Il paraît donc intéressant d’étudier l’effet de ce facteur sur un
matériel contenant autant de stimuli différents dans le contexte que de mots (23 ou 24 selon la
présence ou l’absence de la cible). En effet, dans les études menées, la familiarité de l’item est non
seulement manipulée à l’aide de la rotation mais elle est confondue avec les traits plus visuels
comme la forme : le contexte est constitué d’un même item répété plusieurs fois.
Néanmoins, une étude de Rayner & Raney (1996) sur ce facteur, montre que la fréquence
lexicale n’a pas d’effet sur les temps de fixation des participants lors de la détection d’un mot-cible.
Dans cette étude, l’item dont les auteurs manipulent la fréquence lexicale n’est pas la cible
recherchée par les participants. Le mot étudié n’est que la cible des analyses et fait partie du
contexte. Pour ces auteurs la fréquence lexicale d’un mot n’a pas d’effet sur la détection visuelle.
Or, des études mettent en évidence l’effet de la familiarité des stimuli sur la détection d’une cible
(Wang, Cavanagh & Green, 1994 ; Rayner & Greene, 2000 ; Shen & Reingold, in press ; Shen &
Reingold, 1999). Même si ces études semblent mettre en évidence plutôt un effet de l’orientation
de la lettre ou du caractère connu sur la détection de cible, il apparaît tout de même que la
- 67 -
familiarité d’un contexte composé de lettres ou de caractères connus facilite la détection d’une
cible. Nous pouvons donc nous attendre à ce qu’un contexte composé de mots fréquents facilite la
détection de la cible et ceci quelle que soit sa familiarité.
Cette hypothèse est testée dans l’expérimentation 3 (section II.4).
I.2.4. L’effet de la distance sémantique
La distance sémantique entre deux objets, deux mots ou deux catégories sémantiques peut être
définie selon deux acceptions, qu’on peut concevoir à partir de la modélisation de l’organisation
des concepts telle qu’elle a été définie par Collins & Quillian (1969). Selon ces auteurs, les
concepts seraient organisés en mémoire sous forme d’un réseau sémantique où chaque nœud
représente une catégorie d’objets décrite par ses propriétés et où chaque arc représente les relations
entre les catégories. Ce réseau de catégories est hiérarchisé selon la généralité des concepts
envisagés. Les concepts les plus généraux, comme par exemple
MANUFACTURES, ACTIVITES ,
ANIMAUX, VEGETAUX, OBJETS
sont à des niveaux super-ordonnés. Les concepts plus spécifiques
comme par exemple, CANICHE, FRAISE , MARTEAU, FOOTBALL sont à des niveaux subordonnés. La
différence entre les niveaux super-ordonné et subordonné concerne le nombre de propriétés
partagées par les objets de la catégorie : plus un concept présente des propriétés qui lui sont propres
(qu’il est le seul à présenter), plus il est spécifique. La Figure 24 illustre une partie de ce réseau.
Figure 24. Modélisation de l’organisation des concepts sémantiques en mémoire à long terme selon Collins &
Quillian (1969).
- 68 -
Deux types de relations peuvent exister dans ce réseau : une relation de partie -tout et une
relation d’inclusion. La relation partie -tout permet de décomposer un objet en plusieurs parties. La
relation d’inclusion est une relation du type : « est une sorte de …» : un canari est une sorte
d’oiseau. A cette relation est associée une relation d’implication et d’héritage : une catégorie
d’objets hérite de toutes les propriétés de ses catégories super-ordonnées. Ainsi « être un canari »
implique « peut voler » et également « a une peau ». De ce fait, canari hérite des propriétés de
« OISEAU » mais également de « ANIMAL ».
Selon une première définition, la distance sémantique se définit par le nombre de nœuds
existant entre deux catégories sémantiques (Rips, Shoben & Smith, 1973). Selon cette définition la
catégorie
MOINEAU
est plus proche sémantiquement de la catégorie
ANIMAL.
Définir la distance sémantique selon cette conception permet d’expliquer pourquoi il est
OISEAU
que de la catégorie
plus rapide de répondre à la question : Est-ce qu’un moineau est un oiseau ? qu’à la question : Estce qu’un moineau est un animal ? Plus la distance sémantique entre deux concepts est importante et
plus les temps de réponse augmentent. Cette augmentation des temps de réponse s’interprète par le
nombre de nœuds à parcourir pour relier les deux concepts (Collins & Quillian, 1969). Or cette
définition de la distance sémantique implique que les deux concepts considérés sont sur la même
branche de l’arbre catégoriel. De ce fait, elle ne permet pas de comparer deux concepts aussi
spécifiques ou généraux l’un que l’autre, qui ne sont pas situés sur le même axe. Par exemple, cette
définition ne permet pas de comparer les catégories ANIMAUX et VEGETAUX ou ARBRES et CHIENS.
Nous pouvons élargir la définition de la distance sémantique entre deux catégories d’objets
de Rips et al. (1973) en considérant le nombre de propriétés que les deux catégories d’objets ont en
commun (Poitrenaud, 1998). Ainsi plus le nombre de propriétés partagées par les deux catégories
envisagées augmente et plus ces deux catégories sont proches sémantiquement. En d’autres termes,
cela revient à définir la distance sémantique par le nombre de nœuds à parcourir pour atteindre la
catégorie super-ordonnée commune aux deux catégories en question. Par exemple, la catégorie
FRUITS est
JOUETS.
plus proche sémantiquement de la catégorie
En effet, pour les catégories
FRUITS
et
LEGUMES
LEGUMES,
qu’elle ne l’est de la catégorie
la catégorie super-ordonnée commune
est la catégorie VEGETAUX COMESTIBLES : cette catégorie est la catégorie super-ordonnée directe à
ces deux catégories sémantiques. En revanche, tel n’est pas le cas pour les catégories
JOUETS.
FRUITS
et
En effet, la catégorie commune à ces deux catégories sémantiques pourrait être la
catégorie OBJETS, et pour atteindre cette catégorie le nombre de nœuds est plus important que dans
le cas précédent.
Comme nous l’avons vu dans la section I.1.2.2.2, la proximité sémantique entre deux mots
facilite l’identification du second mot présenté. Par exemple, présenter le mot éléphant facilite
- 69 -
l’identification de la suite de lettres l.i.o.n. En revanche, nous supposons que cette proximité
sémantique va perturber la détection d’une cible lexicale. Nous avons déjà rapporté deux études sur
la catégorisation sémantique qui permettent d’appuyer cette hypothèse. Ingling (1972) montre qu’il
est plus rapide de détecter un chiffre donné parmi des lettres que parmi des chiffres, et qu’il est
également plus rapide de détecter une lettre donnée parmi des chiffres que parmi des lettres. White
(1977) montre, quant à lui, que cette rapidité de détection est bien due à la distinction sémantique et
non pas à une différence de forme entre les chiffres et les lettres. Prenant la forme « O »
représentant à la fois la lettre « o » ou le chiffre zéro, il observe qu’il est plus rapide de détecter
cette forme annoncée comme étant la lettre o lorsqu’elle apparaît parmi des chiffres plutôt que
parmi des lettres. Il est également plus rapide de détecter cette forme annoncée comme étant le
chiffre zéro lorsqu’elle apparaît parmi des lettres plutôt que parmi des chiffres. Ces deux études
montrent que la différence sémantique favorise la détection de la cible.
Selon nous, la proximité sémantique entre la cible et les items du contexte devrait
engendrer des difficultés de traitement par rapport à une distance sémantique. Cette difficulté de
traitement, visible à travers l’étude des temps moyens de fixation, ne serait pas due à une difficulté
d’accès au sens du mot, mais à une difficulté de rejet de l’item fixé comme n’étant pas la cible.
En outre, nous supposons que cet effet de la distance sémantique est surtout visible lorsque
les conditions perceptives (et notamment la discrimination perceptive de la cible par rapport à son
contexte) ne permettent pas d’identifier très rapidement la cible. En effet, dans le cas où l’item qui
attire l’attention du participant, (car il est le seul à présenter une propriété particulière dans la scène
visuelle), est celui qui permet de répondre à la requête, le participant n’a pas besoin d’explorer le
reste de la scène visuelle. Et de ce fait, il n’est pas influencé par les caractéristiques sémantiques de
la scène visuelle. En revanche, lorsque la scène visuelle ne permet pas de discriminer la cible et que
le participant a besoin d’échantillonner une partie de la scène visuelle, cette recherche est
influencée par les propriétés sémantiques.
Ces deux hypothèses relatives à la distance sémantique et à l’effet de la distance
sémantique selon la discrimination visuelle de la cible sont testées lors des expérimentations 4
(section II.5) et 5 (section II.6).
- 70 -
I.2.5. L’ effet de la typicalité
Toutes les hypothèses précédemment émises, que ce soit au niveau perceptif ou au niveau
sémantique prennent principalement leur sens dans la différenciation, qu’elle soit perceptive ou
sémantique, entre la cible et le contexte : structure globale, nombre d’items identiques
perceptivement à la cible, différence de fréquence lexicale, et distance sémantique. La dernière
hypothèse qui est testée dans ce travail de recherche est relative à la typicalité de la cible.
Tous les exemplaires faisant partie d'une catégorie ne sont pas équivalents : certains
exemplaires sont plus facilement associés à la catégorie super-ordonnée que d'autres. Par exemple,
les objets « moineau » ou « hirondelle» sont plus facilement associés à la catégorie OISEAU que ne
l'est le mot « autruche». Ainsi « moineau» ou « hirondelle» sont plus typiques de la catégorie
OISEAU
que ne l'est le mot « autruche ».
Nous supposons qu’il est plus facile de détecter une cible typique de sa catégorie (détecter
le mot « moineau » pour la catégorie
OISEAU)
qu’une cible non typique (le mot « autruche » pour
la même catégorie). En effet, en annonçant la catégorie sémantique de la cible, le participant
mobilise ses connaissances et active probablement déjà les exemplaires de cette catégorie qui sont
les plus typiques, puisque les connaissances regrouperaient préférentiellement les items
prototypiques de cette catégorie qui sont alors ceux qui sont le plus rapidement accessibles en
mémoire (Rosch & Mervis, 1975). De plus, les temps de vérification sémantique (déclarer qu’un
item A appartient bien à la catégorie B ou que la catégorie B contient bien comme exemplaire
l’item A) est plus court lorsque l’exemplaire A est un exemplaire typique de sa catégorie (Rosch,
1973 ; Larochelle, Richard & Soulière, 2000). Confronté à la scène visuelle, le participant traite les
items et vérifie si oui ou non l’item traité appartient à la catégorie cible. Dans le cas d’un item peu
typique, l’identification de la catégorie de l’item est plus longue car l’item n’est pas très activé en
mémoire. De ce fait, lorsque l’item traité par le participant correspond à la catégorie de la cible, et
qu’il est non typique, le participant doit vérifier la catégorie d’appartenance de l’item. Il peut aussi
être amené à explorer le reste de la scène visuelle pour vérifier qu’un autre item ne correspond pas
mieux à la requête. De ce fait, la typicalité a une influence sur les performances de recherche et,
ceci, quelle que soit la discrimination perceptive de la cible. En effet, même si la cible se détache
perceptivement du contexte et qu’elle attire immédiatement l’attention du participant, si cet item est
non typique de sa catégorie d’appartenance, le participant peut être amené à vérifier le reste de la
scène visuelle.
Ces dernières hypothèses de travail sont traitées dans l’expérimentation 5 (section II.6).
- 71 -
II. EXPERIMENTATIONS
- 72 -
II.1. Méthode générale
Dans la mesure où les expérimentations menées pour ce travail de recherche respectent une
méthodologie en grande partie commune, nous avons jugé plus adéquat d’exposer dans un chapitre
à part entière, la méthode que nous avons employée afin d’éviter les redondances lors de la
présentation des expérimentations.
Pour nos expérimentations, nous avons utilisé plusieurs techniques : les taux de réussite, les
temps de réponse en cas de réussite à la tâche et une technique d’enregistrement de variables
comportementales : l’oculométrie cognitive (Baccino, 2002), ou l’enregistrement des mouvements
oculaires.
Nous exposons tout d’abord la description du dispositif utilisé dans notre recherche, la
méthode proprement dite à savoir les caractéristiques des participants, la construction du matériel
expérimental et la procédure expérimentale.
II.1.1. Le dispositif
II.1.1.1. La description du dispositif oculométrique
Pour nos expérimentations, le dispositif d’oculométrie utilisé est un modèle ASL E5000. Ce
dispositif a pour particularité de déterminer la position de l’œil sur un environnement en deux
dimensions à partir du reflet cornéen centré sur la pupille. Il est constitué d’une caméra munie de
diodes envoyant des rayons
infrarouges, de deux moniteurs de contrôle (un pour l’œil du
participant, un pour la scène visuelle : ce qui est présenté sur l'écran expérimental), et d’une unité
centrale qui reçoit les informations de la caméra et qui restitue ces informations aussi bien sur les
écrans de contrôle que sur l’ordinateur de l’expérimentateur. Cet ordinateur peut être considéré
comme l’unité de contrôle du dispositif. Effectivement, c’est à partir de cet ordinateur que
l’expérimentateur contrôle et manipule la caméra : direction, luminosité, paramétrage du calibrage,
déclenchement et arrêt des enregistrements.
La caméra munie de diodes infrarouges envoie des rayons infrarouges sur la cornée du
participant. L'œil ainsi illuminé renvoie deux types de reflet : le reflet pupillaire et le reflet cornéen.
La caméra transmet à l’unité centrale du dispositif les luminosités de ces rayons ainsi que la
distance entre le reflet cornéen et le reflet pupillaire. Cette caméra échantillonne ces reflets toutes
les 20 ms. Quand la phase de calibrage est effectuée, le dispositif associe à ces caractéristiques la
- 73 -
position de l'œil sur la scène visuelle en données cartésiennes. Ce dispositif retransmet cette
position en temps réel à l'écran de contrôle de l'expérimentateur.
II.1.1.2. Le calibrage oculaire
Quand le participant entre dans la salle expérimentale, il est invité à s’installer le plus
confortablement possible sur le siège en face de l’écran expérimental, en calant son menton dans la
mentonnière (pour éviter les déplacements de la tête). Une fois le participant installé (voir Figure
25, pour une description de l’environnement du participant), l’expérimentateur démarre la phase de
calibrage. Cette phase consiste dans une première partie, à indiquer à la caméra où se trouve l’œil
du participant (le droit ou le gauche). Une fois que l’œil est dans le champ de la caméra,
l’expérimentateur procède à quelques réglages de luminosité afin d’obtenir des reflets cornéen et
pupillaire stables sur l’écran de contrôle (pour une représentation de ces deux types de reflets voir
Figure 26). Une fois la stabilité des reflets obtenus, l’expérimentateur affiche sur l’écran
expérimental une mire en 9 points. Les coordonnées de ces 9 points ont été au préalable
enregistrées par l’expérimentateur dans le dispositif. Le but est d’associer les coordonnées de l’œil
recueillies par la caméra aux coordonnées préalablement enregistrées par l’expérimentateur pour
chacun des 9 points. L’expérimentateur demande donc au participant de regarder, à son signal, un
point particulier de la mire. Une fois que le participant regarde ce point et que les reflets sont
stables, l’expérimentateur valide. Il procède de même pour les 9 points de la mire. Une fois cette
phase effectuée, l’expérimentateur vérifie le calibrage en demandant au participant de regarder des
points particuliers de la mire. Si la position de l’œil renvoyée par la caméra ne correspond pas au
point de la mire, l’expérimentateur recommence le calibrage, et ce jusqu’à ce qu’il n’y ait plus de
décalage entre la position du point et la position de l’œil.
Une fois cette phase achevée, l’expérimentateur déclenche les phases d’entraînement et
expérimentale.
- 74 -
Reflet pupillaire
Ecran participant
Caméra munie des diodes
Reflet cornéen
Figure 25. Environnement du participant
Figure 26. Photo de l'écran de control où figurent les reflets
cornéen et pupillaire du participant.
II.1.1.3. Le type de données recueillies
Pour chaque passation expérimentale, l'expérimentateur récupère un fichier contenant l'intégralité
des données recueillies par l’oculomètre pour tous les essais de la phase expérimentale, et ce pour
chacun des participants. Chacun des essais est contenu dans un segment. Le nombre de segments
correspond au nombre de d’essais.
Dans chaque segment, figure la position de l'œil en données cartésiennes sur la scène
visuelle échantillonnée toutes les 20 ms. Pour exploiter ces données, il faut faire une première
conversion qui consiste à regrouper ces échantillons pour identifier les points de fixation. Une
fixation est identifiée par la succession temporelle de 6 points, chacun de ces points étant au
minimum espacé de 0.5 degrés d'angle visuel.
Une fois ces regroupements effectués, nous obtenons un ensemble de fixations dont
chacune se caractérise notamment par sa localisation temporelle (première, dixième ou trentième
fixation dans le parcours), sa localisation spatiale (en données cartésiennes ou en terme de zones
selon les choix de l'expérimentateur), sa durée en millisecondes et l'espace spatial (amplitude de la
saccade) et temporel entre deux fixations successives (durée de la saccade). Pour chaque segment,
nous obtenons également un résumé qui présente la durée du segment, c’est à dire le temps de
réponse du participant, le nombre de fixations, et, par conséquent le nombre de saccades, les temps
de fixations moyens (la durée totale des fixations divisée par le nombre de fixations) et les
amplitudes saccadiques moyennes (la somme des amplitudes saccadiques divisée par le nombre de
saccades).
- 75 -
Ces indicateurs du comportement de recherche oculaire ont déjà été pris en compte dans
des études visant à l’évaluation ergonomique d’interfaces (Kotval et Goldberg, 1998 ; Chêne,
Léger et Perret, 2001).
Ainsi, selon Goldberg et Kotval (1998), une bonne interface visuelle se définit par la
possibilité de détecter une cible pré-définie avec un minimum de saccades (et donc de fixations),
des saccades amples, des temps moyens de fixations faibles. Selon ces auteurs, le nombre de
saccades est un indicateur de l’extension de la recherche : plus cette recherche est extensive et plus
ce nombre est important. La longueur des saccades est un indicateur de la pertinence des indices
visuels de l’interface. De ce fait, une interface possédant des indices visuels pertinents permettra de
diriger rapidement les yeux des participants, observant ainsi des saccades de fortes amplitudes. Et
enfin les temps moyens de fixation renseignent sur la profondeur du traitement de l’objet fixé : plus
ce temps est long, plus le participant a des difficultés pour interpréter la signification de l’objet
fixé.
Le reproche qui peut être fait à Kotval et Goldberg (1998) est que l’interprétation de ces
données est faite séparément les unes des autres. En effet, un long temps moyen de fixation n’est
pas forcément dû à une difficulté de traitement de l’objet fixé. Effectivement, mis en relation avec
un faible nombre de fixations (ou de saccades), et des saccades très larges, il peut être le résultat
d’un traitement des objets environnants le point de fixation, et de ce fait serait un indicateur de
traitement en périphérie du point de fixation (Chêne, Léger et Perret, 2002).
II.1.2. Matériel
II.1.2.1. La sélection des mots
Pour habiller sémantiquement ou lexicalement nos scènes visuelles ou listes de mots, nous avons
eu recours à deux types de sélection de mots : une sélection effectuée selon la fréquence lexicale
des mots et une sélection effectuée selon la catégorie sémantique des mots.
II.1.2.1.1. La sélection selon la fréquence lexicale
La base BRULEX (Content, Mousty et Radeau, 1990) nous a permis de sélectionner les mots de
notre matériel expérimental selon leur fréquence lexicale. Cette base de données comporte environ
30.000 mots de la langue française. A chacun de ces mots sont associées plusieurs caractéristiques
telles que, par exemple, le nombre de lettres, le nombre de syllabes, la catégorie grammaticale et la
- 76 -
fréquence lexicale. Les trois caractéristiques retenues pour notre sélection, étaient la catégorie
grammaticale (que des substantifs), le nombre de lettres (entre 5 et 7 lettres) et la fréquence
lexicale. La fréquence lexicale est la fréquence d’usage dans la langue française associée à chaque
entrée. Cette fréquence lexicale est obtenue en comptabilisant le nombre d’occurrence d’une entrée
lexicale particulière sur un total de 100.000.000 d’occurrences de mots. Ce corpus de 100.000.000
d’occurrences a été établi à partir des textes littéraires (roman, essais, recueil de poèmes, œuvres
dramatiques) publiés entre 1919 et 1964.
Dans cette base, nous avons d’abord sélectionné les substantifs singuliers de 5 à 7 lettres
dont la fréquence lexicale est supérieure à 0. Nous avons ainsi obtenu un corpus de 5906 mots.
Ensuite nous avons dénombré le nombre de mots faisant partie d’une classe de fréquence lexicale.
La Figure 27 montre le résultat de ce dénombrement. A partir de ce découpage, nous avons établi
des groupes de mots appartenant à des classes de fréquence lexicale faibles (comprise entre 0 et
10), moyenne (entre 101 et 1000) et élevée (supérieure à 10.001).
2500
Effectif de mots
2000
1500
1000
500
[10
.00
1-1
00
.00
0]
[10
0.0
01
-10
.00
0.0
00
]
[10
01
-10
.00
0]
[10
1-1
00
0]
[11
-1
00
]
[110
]
0
Classes de fréquence lexicale
Figure 27. Dénombrement des effectifs de mots
contenus dans chaque classe de fréquence
lexicale, analyse effectuée à partir de la base de
données Brulex sur des mots de 5 à 7 lettres.
II.1.2.1.2. La sélection selon la catégorie sémantique
Pour sélectionner les mots selon leur catégorie sémantique, nous avons procédé autrement. Nous
avons proposé à plusieurs participants qui n’ont pas effectué les expérimentations un certain
nombre de catégories sémantiques d’objets, tels que « OISEAUX,
PROFESSIONS…
MEUBLES ,
JOUETS,
» Leur tâche consistait à remplir un tableau où, en tête de colonne, figurait la
catégorie sémantique. Ils devaient pour chaque colonne proposer un maximum d’exemplaires de
- 77 -
mots appartenant à la catégorie sémantique en question. Une fois ces tableaux remplis et compilés,
nous avons fait plusieurs sélections. Ces sélections consistaient à éliminer du corpus de mots
recueillis, tous les groupes de mots, les mots de moins de 4 lettres, les réponses idiosyncrasiques et
les mots pouvant appartenir à deux catégories sémantiques (exemple le mot « grenade » qui
appartient à la fois aux catégories « ARMES » et « FRUITS »).
Ainsi, pour chaque catégorie sémantique nous avons obtenu un minimum de 40 mots.
II.1.2.2. La construction des scènes visuelles
Pour les expériences 1.1, 2.1, 2.2, 3,4 et 5, chaque scène visuelle contient 32 mots. Pour
l’expérience 1.2, la scène visuelle contient 24 mots. L’intégralité des mots utilisés dans ces
expérimentations sont présentés en annexe A.1.1. Ces mots sont affichés dans la police
ARIAL
et
ont une taille de 16 points.
Chaque scène visuelle a été associée une consigne indicatrice. Cette consigne indicatrice
permettait d’annoncer au participant le type de cible qu’il doit rechercher dans l’environnement.
Cette consigne dénommait la cible à détecter pour les expérimentations 1 (1.1 et 1.2) et 3. Pour les
expérimentations 2, 4 et 5, cette consigne annonçait la catégorie super-ordonnée de la cible à
détecter.
Que ce soit la consigne indicatrice ou l’environnement de recherche, la présentation
s’effectuait visuellement à l’écran (sur un écran de 21 pouces, en couleur de 32 bits de résolution
1280 x 1024 pixels). Ces deux types d’écran ont été construits à l’aide d’un logiciel de création et
de gestion de sites web. L’avantage de l’utilisation d’un tel logiciel est double. Il est, d’une part, de
pouvoir générer un grand nombre d’écrans à l’aide de modèles. Ainsi, par exemple, pour la création
d’un écran, il suffit de rentrer les mots avec leur mise en forme (taille, couleur..) dans une colonne
d’un tableur et de générer une macro qui permet de positionner les mots dans l’écran selon un
modèle pré-établi. D’autre part, le deuxième avantage de l’utilisation d’un tel logiciel est la
possibilité d’insérer un lien global sur l’environnement. Ce lien type hypertexte permet au
participant de gérer lui-même le passage à l’essai suivant par un clic gauche de la souris. De plus, il
est possible à partir d’un tel logiciel d’insérer des caractéristiques textuelles ou imagées
dynamiques telle que le clignotement, le déplacement…
En revanche l’inconvénient d’un tel procédé de construction est qu’il faut prévoir autant de
corpus d’écrans que d’ordres d’apparition des essais, et ces ordres doivent être établis au préalable.
- 78 -
II.1.2.3. La position de la cible et des essais
La position de la cible dans l’environnement de recherche et l’ordre d’apparition des essais dans le
protocole ont été déterminés aléatoirement mais de façon contrôlée.
Ainsi, la position de la cible a été déterminée par une fonction aléatoire avec remise entre
bornes. Ces bornes ont été déterminées par le nombre de mots présents dans l’environnement. Dans
chaque environnement, les mots étaient numérotés de haut en bas et de gauche à droite de 1 à n.
Pour chaque cible, cette fonction détermine donc une position comprise entre 1 et n. Le contrôle à
ce niveau est de vérifier que les cibles apparaissaient dans des proportions équivalentes dans les
mêmes zones de l’environnement de recherche.
Pour l’ordre de passation des essais, nous avons procédé de même. Les essais ont été
numérotés et à chaque essai a été associée une position dans la passation. Cette position a été
déterminée également par une fonction aléatoire sans remise dont la borne supérieure correspond
au nombre maximal d’essais dans la passation expérimentale. Le contrôle à ce niveau consistait à
ne pas se faire succéder des essais faisant partie de la même condition expérimentale ou
sémantiquement proches. Par exemple, éviter les successions du type : aller chercher un oiseau
parmi des jouets puis aller chercher un jouet parmi des instruments de musique.
II.1.3. Les participants
Les participants de ces expérimentations (au nombre de 120) ont été sélectionnés sur plusieurs
critères :
−
l’âge : il est compris entre 18 et 40 ans
−
la vue : les participants sont capables de lire sur un écran d’ordinateur situé à plus de 50 cm
sans correction (lunettes ou lentilles)
−
la langue maternelle : du fait des variations lexicales et sémantiques effectuées ici, les
participants sont de langue maternelle française.
Les expérimentations 1 (1.1 et 1.2), 2 (2.1.et 2.2), 3 et 4 sont effectuées chacune par 40
participants. L’expérimentation 5 est effectuée par 20 participants. Les participants ayant effectués
l’expérience 1.2 ont effectué simultanément l’expérience 3, puis simultanément les expériences 2 .2
et 5. Les participants ayant participé à l’expérience 2.1 ont effectué simultanément l’expérience 4.
Pour chaque passation, les participants reçoivent une indemnisation de 30 euros.
- 79 -
II.1.4. La Procédure expérimentale
II.1.4.1. La passation
La passation expérimentale, pour chacune des expérimentations se déroulait en 3 étapes. Une fois
que le participant était installé devant l’écran expérimental, l’expérimentateur lui lisait la consigne.
Cette consigne présentait le déroulement de l’expérimentation au participant. Pour résumer, elle
indiquait que la caméra située sous l’écran en face de lui était chargée d’enregistrer les
mouvements oculaires, et de ce fait, que le participant ne devait plus bouger la tête une fois
l’expérimentation initialisée. D’autre part, elle expliquait la tâche au participant : identifier un mot
particulier parmi un groupe de mots. Elle expliquait également les modalités de réponses : un clic
sur la souris et un « oui » (ou dénomination de la cible selon l’expérimentation) quand le
participant identifie le mot cible ou un clic sur la souris et un «non », quand le participant ne
trouve pas la cible. De plus, il lui était signifié qu’il devait répondre le plus justement et le plus
rapidement possible. Enfin, elle annonçait au participant que la passation se déroulait en trois
phases : une phase de calibrage de la caméra, une phase d’entraînement et la phase expérimentale.
Une fois que le participant a compris la consigne, il était invité à poser le menton sur la
mentonnière à 60 cm de l’écran expérimental. Une fois le participant installé, l’expérimentateur
déclenchait la phase de calibrage (détails de cette phase dans le paragraphe II.1.1.2).
Une fois la phase de calibrage achevée, l’expérimentateur déclenchait la phase
d’entraînement. Cette phase consistait à effectuer le même type de tâche que pour la phase
expérimentale : détecter un mot particulier dans un ensemble de mots. Cette phase comprenait 10
essais pour les expérimentations 1 et 3, (annexe A.2.1.a) et 6 essais pour les expérimentations 2, 4
et 5 (annexes A.2.1.b et A.2.1.c). Le but de cette phase d’entraînement était double. D’une part, elle
permettait au participant de se familiariser avec le type de tâche (détection d’une cible) et avec le
dispositif oculométrique. D’autre part, cette phase nous permettait de juger de l’équivalence des
groupes indépendants avant la passation expérimentale pour les expérimentations 2 et 4.
Une fois la phase d’entraînement achevée, l’expérimentateur déclenchait la phase
expérimentale. Lors de cette phase, le participant devait lire à voix haute la consigne indicatrice
puis cliquer sur cette consigne pour voir apparaître la scène visuelle de recherche. Une fois qu’il a
détecté la cible, il cliquait et la dénommait. Si il ne la trouvait pas il cliquait et disait « non ». Ce
clic permettait au participant d’accéder à l’essai suivant. Les réponses verbales des participants à
chaque essai ont été enregistrées puis retranscrites par l’expérimentateur.
- 80 -
Lors de cette phase expérimentale les mouvements oculaires ont été enregistrés. Le début et
la fin de l’enregistrement des mouvements oculaires étaient initialisés par le clic du participant.
Lorsque que le participant cliquait sur la consigne indicatrice pour faire apparaître l’écran où
s’effectue la recherche, l’enregistrement débutait. La fin de l’enregistrement était conditionnée par
le clic effectué par le participant sur l’écran de recherche.
L’ensemble des passations expérimentales s’est réalisée sous 3 sessions. Pour la première
session les 40 participants effectuaient l’expérience 1.1. Pour la seconde session, les 40 participants
effectuaient simultanément les expériences 2.1 et 4. Pour la troisième session, les 40 participants
effectuaient deux passations successivement. Lors de la première passation, ils effectuaient les
expériences 1.2 et 3. Et après une pause de 10 minutes, la totalité de ces 40 participants effectuaient
l’expérience 2.2. et pour la moitié (soit 20) effectuaient simultanément l’expérience 5. En fait, à
chaque expérience sur des effets perceptifs était associée (simultanément) une expérience sur des
effets sémantiques.
II.1.4.2. Les analyses des données comportementales
Les analyses ont été effectuées sur les variables dépendantes suivantes : les taux de réussite, les
temps de réponse, le nombre de fixations, les temps de fixations moyens, les amplitudes
saccadiques et le type de parcours oculaire (localisation des fixations par essai et par participant
ainsi que leur ordre d’apparition).
En ce qui concerne les taux de réussite, nous avons comptabilisé le nombre de réussites
obtenu par chaque participant pour une condition expérimentale et l’avons divisé par le nombre
d'essais compris dans cette condition expérimentale.
En ce qui concerne les temps de réponse, le nombre de fixations, les temps de fixations
moyens et les amplitudes saccadiques, nous ne les avons pris en compte que pour les essais
présentant une réussite. Ensuite nous avons moyenné les données pour chaque essai réussi pour une
même condition expérimentale.
L’analyse de ces variables a été effectuée par une analyse de variance (ANOVA). Le seuil
de probabilité retenu pour ces études est p=.05.
Enfin, les localisations des fixations par essais et par participant ainsi que leur ordre
d’apparition nous permettent de décrire plusieurs types de parcours oculaires. Pour chaque
condition expérimentale, nous avons comptabilisé le nombre de fois où nous avons observé un type
- 81 -
de parcours particulier. L’analyse concernant les types de parcours oculaires a été effectuée à l’aide
du test du X2 . Le seuil de probabilité retenu est également p=.05.
- 82 -
II.2. Expérimentation 1 : L’effet de la structure de la scène visuelle
II.2. Expérimentation 1 : L’effet de la structure de la
scène visuelle
II.2.1. Problématique : la structure de la scène visuelle
influence-t-elle la détection d’un mot ?
Comment un ensemble d’objets visuellement perçus simultanément sont-ils appréhendés et
parcourus séquentiellement ? Notre hypothèse générale est que l’exploration oculaire est
déterminée à la fois par des variables internes et externes, et soumise à un ensemble de principes à
déterminer. La structure de la scène visuelle, c’est-à-dire la manière dont le s objets perçus sont
agencés les uns par rapport aux autres, est probablement une variable externe à laquelle les
principes de parcours sont sûrement associés. D’un autre côté, l’attention portée aux objets dépend
du parcours oculaire. Il s’ensuit alors que le type de structure fourni par le groupe détermine
finalement la détection de l’individu.
Cette première expérimentation est menée avec deux buts. Le premier but est de montrer
que l’exploration de la scène visuelle est dépendante de sa structure. Nous supposons que cette
exploration respecte certains principes d’organisation visuelle décrits par la théorie Gestaltiste
(Koffka, 1935) qui régissent cette structure. Ainsi en identifiant ces principes, nous pouvons en
déduire les types d’exploration effectués par les participants. Le second but de cette expérience est
de montrer que les performances de détection et plus particulièrement les temps de réponse, sont
fonction du type de parcours dans lequel le participant s’engage. Spérandio & Bouju (1983)
montrent, par exemple, que l’exploration d’une matrice de huit colonnes sur huit lignes est plus
rapide par une lecture colonne par colonne que par une lecture ligne par ligne, puisqu’ils obtiennent
une diminution des temps de réponse avec l’augmentation du nombre d’explorations en colonnes.
Ce premier résultat suggère que certains parcours sont plus performants que d’autres en termes de
temps d’exploration. En revanche, Ojanpää, Näsänen & Kojo (2002) n’observent pas de différence
de temps de réponse entre une présentation horizontale et une présentation verticale des listes de
mots. Cette absence de différence peut s’interpréter à la fois par le faible nombre de participants à
l’étude (trois) et par le matériel lui-même : la différence de distance entre deux mots sur la même
verticale selon l’orientation horizontale et verticale de la liste. Néanmoins, ces auteurs observent
que la présentation en colonne (verticale) permet de détecter la cible avec moins de fixations
qu’une présentation en lignes (horizontale). Ils observent également qu’une présentation verticale
permet en une seule fixation de traiter quatre mots alors que la présentation horizontale ne permet
- 83 -
que de traiter deux mots en une seule fixation. Du fait de ces études (Spérandio & Bouju, 1983 ;
Ojanpää, Näsänen & Kojo, 2002), nous supposons qu’une structure engendrant une exploration en
colonnes sera parcourue plus rapidement qu’une structure engendrant une exploration en lignes.
Ces deux hypothèses sont testées à travers deux expériences. Dans la première expérience
(expérience 1.1), nous avons utilisé quatre modes de disposition des items. Ces quatre structures
sont constituées soit de zones de même nature (que des lignes ou que des colonnes) soit de zones de
deux natures (des lignes et des colonnes). Cette dernière organisation est appelée HYBRIDE.
Cette première expérience nous a permis d’observer qu’une structure en colonnes n’est pas
associée à une exploration guidée par le principe de continuité. Notre hypothèse est que cette
structure ne respecte pas le principe de la bonne forme et que la répartition spatiale des colonnes ne
permet pas d’identifier les zones de la scène visuelle. D’autre part, nous n’avons pu mettre en
évidence une plus grande rapidité de l’exploration en colonnes par rapport à l’exploration en lignes,
contrairement aux résultats de Spérandio & Bouju (1983) .
Une seconde expérience (expérience 1.2) a été menée, dans laquelle, la scène visuelle
présente, un ensemble de colonnes : soit disposées selon l’horizontale soit disposées selon la
verticale. Contrairement à l’expérience 1, nous observons ici que l’exploration la plus commune est
guidée par le principe de continuité. Cette expérience nous a permis également de comparer les
temps de réponse associés à deux types de parcours effectués sur une même structure et de trouver
une plus grande rapidité de réponse due à une exploration en colonnes plutôt qu’en lignes des listes
de mots.
- 84 -
II.2.2. Expérience
1.1 :
La
comparaison
de
quatre
structures
II.2.2.1. Hypothèses
Les hypothèses qui sont testées dans cette expérience sont relatives, d’une part, aux effets que peut
avoir le mode d’agencement des objets sur leur exploration visuelle et, d’autre part, aux
performances de détection de mot-cible, qui dépendent de cette exploration visuelle d’une liste de
mots.
II.2.2.1.1. Les effets de structure sur le parcours oculaire d’exploration
Selon nous, l’organisation visuelle que présente une liste de mots oriente l’exploration dans
laquelle s’engage le participant : une structure de présentation induit une certaine prise
d'information oculaire qui se traduit par une certaine succession spatiale et temporelle de la scène
visuelle. Nos hypothèses sont basées sur trois des principes d’organisation perceptive de la
théorie Gestaltiste (Koffka, 1935) :
−
Le principe de proximité qui permet de distinguer visuellement les zones de la structure, en
constituant les groupes perceptifs,
−
Le principe de continuité qui permet de parcourir ces zones les unes après les autres au fur
et à mesure qu’elles apparaissent dans le focus attentionnel,
−
Le principe de similitude qui permet de parcourir les zones occupées par un même groupe
perceptif puis toutes les zones qui s’en différencient.
Ainsi face à des items présentés sous une même modalité (tous en colonnes ou tous en
lignes), le principe de proximité permet d’identifier les lignes ou les colonnes de la liste. Le
principe de continuité quant à lui, permet de parcourir en premier, les items de la première ligne
(ou première colonne) puis les items disposés sur la ligne (ou la colonne) suivante. En revanche,
face à un environnement présentant l’information sous deux modalités (lignes et colonnes, voir
Figure 28), deux types de parcours sont envisagés. Chacun de ces parcours relève d’un principe
différent.
- 85 -
Figure 28 . Exemples de deux présentations qui combinent des colonnes et des lignes
Le principe de continuité consiste à parcourir les zones selon une ligne directrice : du haut
vers le bas par exemple. Ainsi, face à un environnement présentant deux colonnes puis deux lignes
puis deux colonnes, ce principe induirait une exploration des deux premières colonnes, puis des
deux lignes et enfin, des deux dernières colonnes.
Le principe de similitude consiste à parcourir tous les items présentés sous une même
modalité puis à parcourir les items disposés sous une autre modalité (d’abord les colonnes puis les
lignes, ou inversement). En reprenant l’exemple précédent, ce parcours se traduit par une
exploration de toutes les colonnes puis de toutes les lignes, ou inversement, de toutes les lignes puis
de toutes les colonnes.
L’exploration par similitude est plus économique qu’une exploration par continuité du fait
du nombre de changements de types de parcours effectués. En effet, dans ce cas, le participant suit
un parcours des colonnes puis des lignes (un seul changement de mode de parcours) alors que
l’exploration par continuité implique un parcours en colonne, puis en ligne et un retour sur un
mode de lecture en colonne (deux changements de mode parcours).
Néanmoins, nous supposons observer préférentiellement une exploration par continuité
pour les structures présentant l’information selon deux modalités (les structures HYBRIDES). D’une
part, parce que face à un environnement inconnu, les participants ont tendance à procéder par
analogie avec des environnements connus (Gick et Holyoak, 1980). D’autre part, une exploration
par similitude implique un calcul de la prochaine zone à atteindre et ce calcul peut être très
important lorsque deux zones similaires sont très distantes spatialement.
Nous nous attendons également à ce que le point d’ancrage du participant dans la structure
nous permette d’inférer le type de parcours dans lequel le participant s’engage. Par point d’ancrage,
nous entendons le point de départ du parcours oculaire du participant pour détecter la cible. Ce
point d’ancrage peut être aisément déterminé par les positions spatiales des deux premières
- 86 -
fixations. Ainsi, si le participant débute son parcours oculaire, et donc le parcours dans la liste de
mot, par la zone située en haut à gauche de la structure, nous nous attendons à obtenir une majorité
d’exploration par continuité et ceci, quelle que soit la structure. En effet, dans ce cas, le participant
n’a plus qu’à se laisser guider par la structure et par les principes d’organisation gestaltistes pour
parcourir la scène visuelle. En revanche, si le point d’ancrage se situe dans la zone centrale de la
scène visuelle, les types de parcours observés devraient dépendre du type de structure. Ainsi pour
les structures
HYBRIDES ,
un point d’ancrage central permet d’appréhender soit un ensemble de
colonnes (HYBRIDE 1, structure de gauche dans la Figure 28), soit un ensemble de lignes (HYBRIDE
2, structure de droite dans la Figure 28). Dans ce cadre là, nous pouvons nous attendre à observer
une exploration par similitude. En effet, même un ancrage central pour ces structures peut
permettre d’organiser le parcours oculaire en respectant les principes d’organisation décrits par la
théorie gestaltiste.
Pour résumer, nous prédisons que trois facteurs, le type d’agencement des objets, le point
d’ancrage dans la scène visuelle et les principes permettrent d’inférer le parcours oculaire qui vise à
détecter un mot-cible parmi d’autres mots.
II.2.2.1.2. Les effets de structure sur les performances de détection
Considérant que selon Spérandio & Bouju (1983), une exploration colonne par colonne
(exploration verticale) d’une liste numérique engendre des temps de réponse plus courts qu’une
exploration ligne par ligne (exploration horizontale) de cette même liste, et dans la mesure où nous
nous attendons à ce qu’une structure en colonnes engendre majoritairement une exploration
verticale et qu’une structure en lignes engendre majoritairement une exploration horizontale, nous
prédisons que les temps de réponse seront plus rapides pour la première structure (structure
COLONNES)
HYBRIDES
que pour la deuxième (structure
LIGNES).
De même, dans la mesure où les structures
sont supposées engendrer une exploration qui combine à la fois une lecture verticale et
une lecture horizontale, nous nous attendons à ce qu’une structure
COLONNES
engendre des temps
de réponse plus courts qu’une structure HYBRIDE.
II.2.2.1.3. Prédictions
Selon nos hypothèses, nous nous attendons à obtenir majoritairement une exploration par continuité
et ceci quelle que soit la structure d’organisation de la liste de mots (prédiction 1). Nous nous
attendons également à ce que les structures
HYBRIDES
engendrent plus de parcours guidés par la
structure (par continuité et par similitude) que les structures LIGNES et COLONNES (prédiction 2).
- 87 -
Un point d’ancrage dans la partie supérieure à gauche de l’écran devrait nous permettre
d’observer majoritairement une exploration par continuité et ceci quelle que soit la structure
(prédiction 3). Un point d’ancrage dans la zone centrale de la structure devrait être suivi d’une
exploration par similitude pour les structures
HYBRIDES
et minoritairement d’une exploration par
continuité pour les structures LIGNES et COLONNES (Prédiction 4).
Les temps de réponse observés avec la structure
COLONNES
devraient être plus courts que
ceux des autres structures. Les temps de réponse des structures HYBRIDES devraient être plus courts
que celui de la structure LIGNES. Enfin, à une plus grande rapidité de réponse correspondra un plus
faible nombre de fixations (Prédiction 5).
II.2.2.2. Méthode
II.2.2.2.1. La présentation des stimuli
Le matériel expérimental est composé de 48 listes de 32 mots. Les 1536 mots qui ont servi à
construire les listes ont une fréquence lexicale moyenne (comprise entre 101 et 1000 occurrences
pour 100.000.000 occurrences). Chacune des 48 listes de 32 mots est agencée selon l’une des
quatre structures visuelles : LIGNES , COLONNES , HYBRIDE 1 et HYBRIDE 2 (Figure 29).
Structure COLONNES
Structure LIGNES
Structure HYBRIDE 1
Structure HYBRIDE 2
Figure 29. Les structures de présentation des listes de mots
- 88 -
La structure
LIGNES
se compose de 4 lignes de 8 mots, l'espace entre deux lignes
successives est de 62 pixels. La structure COLONNES se compose de 8 colonnes de 4 mots, l'espace
entre deux colonnes est d'environ 21 pixels. La structure HYBRIDE1 se compose de 4 colonnes de 4
mots situées au centre de l’écran et de deux lignes de 8 mots situées de part et d'autre (une en haut
une en bas) des colonnes. Pour cette structure, l'espace entre les colonnes est de 73 pixels. La
structure
HYBRIDE2
se compose de deux lignes de 8 mots situées au centre de l’écran et de 4
colonnes de 4 mots réparties verticalement par paire de part et d'autre des lignes. L'espace entre
deux colonnes est de 82 pixels pour les colonnes du haut et de 186 pixels pour les colonnes du bas.
L'espace entre les deux lignes est de 69 pixels.
A chaque liste est associée la cible à détecter : par exemple, détecter le mot « enfance ».
Pour 36 listes, la cible est présente dans la liste, pour 12 listes elle en est absente. La répartition des
listes dans les deux groupes (cible présente, cible absente) a été faite au hasard.
II.2.2.2.2. La procédure expérimentale
Chacune des quatre structures visuelles a été présentée 12 fois à chaque participant.
Le plan expérimental de cette étude est S40 * P4 * A2 où :
−
S40 représente le nombre de participants,
−
P 4 représente les quatre structures visuelles (LIGNES, COLONNES, HYBRIDE1 et HYBRIDE2)
−
A2 représente la présence ou l’absence de la cible.
L’expérimentation terminée, le protocole comprenait 48 segments oculaires qui
correspondaient aux 48 essais effectués par le participant, ainsi que les réponses et les temps de
réponse associés à chaque essai.
La durée totale de passation (consigne, calibrage, phase d’entraînement et phase
expérimentale) était comprise entre 10 et 20 minutes selon la plus ou moins grande difficulté de
calibrage.
II.2.2.2.3. Le codage des types de parcours
II.2.2.2.3.1. Le découpage des structures en zones
Pour étudier l’effet de la structure sur le type d’exploration dans lequel s’engage le participant, une
procédure d’identification des types de parcours oculaire a été mise au point. Elle consiste à
découper la structure en zones, puis à identifier les zones dans lesquelles les fixations ont eu lieu
- 89 -
successivement. C’est à partir de cette correspondance entre zones et localisations des fixations que
nous identifions le type d’exploration suivi par un participant pour chacun des essais réalisés.
Chaque zone correspond à un groupement de mots selon un mode colonnes ou lignes. Les zones
sont ordonnées et codées numériquement de haut en bas et de gauche à droite. La Figure 30 illustre
le codage effectué pour les quatre structures.
Structure LIGNES
Structure COLONNES
Structure HYBRIDE 1
Structure HYBRIDE 2
Figure 30. Découpage des structures en zones
La structure LIGNES est divisée en 4 zones : chaque zone correspond à une ligne de 8 mots.
Nous obtenons donc 4 zones, codées L1, L2, L3 et L4, pour cette structure. La structure COLONNES
est divisée en 8 zones : chaque zone correspond à une colonne de 4 mots, codées C1, C2, C3, C4,
C5, C6, C7 et C8. Pour les deux structures
HYBRIDES,
nous procédons de même : une zone
correspond soit à une ligne de 8 mots soit à une colonne de 4 mots. Pour la structure hybride1, les
zones sont codées L1, C2, C3, C4, C5 et L6. Pour structure Hybride2, les zones sont codées C1,
C2, L3, L4, C5 et C6. Ce codage nous permet ainsi de déterminer un ordre de parcours croissant ou
décroissant, mais aussi si la zone est une ligne (codée L) ou une colonne (C).
II.2.2.2.3.2. Repérage des types de parcours
Le repérage et le codage des types de parcours sont décrits ci-dessous pour chacune des
quatre structures.
- 90 -
Pour la structure
LIGNES,
une exploration par continuité est définie lorsque les deux
conditions suivantes sont satisfaites : un minimum de 3 fixations sur une même ligne avant le
passage à une autre ligne et une succession spatiale et temporelle croissante (de 1 à 4) ou
décroissante (4 à 1) des lignes (Figure 31). Si l'une de ces deux conditions n'est pas remplie, ou si
aucune de ces deux conditions n’est remplie, nous qualifions le parcours du participant
« exploration autre ».
Figure 31. Un exemple d’exploration par continuité pour la structure
LIGNES
Pour la structure en colonnes, une exploration par continuité est définie par un minimum de
deux fixations successives par colonne et par une succession spatiale et temporelle croissante (de 1
à 8) ou décroissante (de 8 à 1) des zones (Figure 32). Lorsque aucune de ces conditions, ou
lorsqu’une seule de ces conditions est remplie, nous considérons que l’exploration est « autre ».
Figure 32. Un exemple d’exploration par continuité pour la
structure COLONNES.
- 91 -
Pour les structures
HYBRIDES,
une exploration par continuité est définie comme une
succession de 3 fixations au moins lorsqu'il s'agit d'une ligne ou de 2 fixations lorsqu'il s'agit d'une
colonne et par une succession spatiale et temporelle croissante (1 à 6) ou décroissante (6 à 1) des
zones (Figure 33).
a. Structure HYBRIDE 1
b. Structure HYBRIDE 2
Figure 33. Exemples d’exploration par continuité, respectivement pour les structures HYBRIDE 1 (a) et
HYBRIDE 2 (b).
Une exploration par similitude est définie par le même nombre minimum de fixations par
zone. En revanche, la succession temporelle des zones dépend du type de zone et du type de
structure.
a. Structure HYBRIDE 1
b. Structure HYBRIDE 2
Figure 34. Exemples d’exploration par similitude, respectivement pour les structures Hybride1 (a) et
Hybride2 (b).
- 92 -
Pour la structure
HYBRIDE
1, nous définissons une exploration par similitude par un
parcours ordonné de toutes les colonnes (C2, C3, C4, et C5 ou l'inverse) puis de toutes les lignes
(L1 et L6 ou L6 et L1) ou l'inverse: toutes les lignes puis toutes les colonnes (Figure 34a).
Pour la structure
HYBRIDE
2, une exploration par similitude se définit par un parcours
ordonné de toutes les lignes (L3 et L4 ou L4 et L3) puis de toutes les colonnes (C1, C2, C5 et C6
ou C6, C5, C2, C1) (Figure 34b), ou inversement : toutes les colonnes puis toutes les lignes.
Lorsque aucun des deux types de parcours décrits précédemment n’a été observé, nous
déterminons le type d’exploration comme étant « autre ».
Les analyses portant sur le type d’exploration ont été effectuées à l'aide du test du khideux.
305 observations ont été enlevées de nos analyses (soit 15,89 % de nos données) parce que le faible
nombre de fixations enregistrées sur l'essai, ne permettait pas d'établir un type de parcours. Nos
analyses portent sur un total de 1615 observations au lieu des 1920 initiales.
L’analyse des performances a été faite pour 38 participants au lieu de 40 : les protocoles de
deux participants ont été éliminés du corpus parce qu’ils ont un faible nombre de réussites sur
l’ensemble des essais.
II.2.2.3. Résultats et interprétations
Dans un premier temps, nous exposons les résultats concernant le type d’exploration dans lequel
s'engage le participant pour appréhender le matériel. Dans un deuxième temps, nous présentons les
résultats concernant les performances à la tâche.
II.2.2.3.1. Les effets sur les types de parcours oculaire d’exploration
II.2.2.3.1.1. L’effet de structure
Rappelons que nous nous attendions à obtenir majoritairement un parcours qui suit le principe de
continuité décrit par la théorie gestaltiste et ce, pour chacune des structures (prédiction 1). Nous
nous attendions, en outre à ce que les deux structures
HYBRIDES
engendrent plus d’explorations
guidées par la structure que les structures LIGNES et COLONNES (prédiction 2).
- 93 -
exploration par continuité
exploration autre
38%
47%
53%
62%
a. Structure COLONNES (N=420)
b. Structure LIGNES (N=398)
Figure 35. Pourcentages d'observations des types de parcours sur l'ensemble des protocoles pour les
structures COLONNES (a) et LIGNES (b) .
Structure
COLONNES
: Comme l'indique la Figure 35a, nous n'observons pas un type de
parcours particulier pour une structure
COLONNES
(X2 (1 ; N=420)=1,37 ; p=.24, ns) : à partir de
cette structure visuelle, les parcours oculaires des participants se distribuent en proportion
équivalente dans une exploration par continuité et dans une exploration « autre ».
Structure LIGNES : La Figure 35b nous indique clairement que la structure LIGNES favorise
surtout l’exploration par continuité (X2 (1 ; N=398)=22,2 ; p<.01). Ainsi, pour rechercher une
information dans un groupe d’items disposés en lignes, les participants privilégient un parcours des
items ligne par ligne.
- 94 -
exploration par similitude
exploration autre
39%
19%
21%
65%
40%
a. Structure Hybride1 (N=383)
16%
b. Structure Hybride2 (N=414)
Figure 36. Pourcentages d'observations des types d’exploration sur l'ensemble des protocoles pour les
structures HYBRIDE 1 (a) et HYBRIDE 2 (b).
Structure
HYBRIDE 1 :
Comme l'indique la Figure 36a, une structure
HYBRIDE
1 entraîne
2
minoritairement une exploration « autre » (X (2 ; N=383)=23,50 ; p<.01). De plus, nous observons
une exploration par similitude (lecture de toutes les lignes puis de toutes les colonnes ou
inversement) dans une proportion équivalente à une lecture par continuité (lecture de la première
ligne puis lecture des colonnes et lecture de la dernière ligne).
Structure
HYBRIDE 2
: La Figure 36b indique nettement qu'une structure
HYBRIDE
2
engendre surtout une exploration par continuité (lecture des colonnes du haut puis des lignes du
centre et des colonnes du bas) (X2 (2 ; N=414)=192,88 ; p<.01). Nous observons également, que
certains participants ont suivi, pour cette structure, une exploration par similitude (lecture de toutes
les colonnes puis de toutes les lignes ou inversement), mais cela dans une proportion moindre que
pour la structure HYBRIDE 1 (19%).
- 95 -
Structures classiques versus structures
HYBRIDES
: Pour conduire ce type d’analyse, nous
avons regroupé les explorations par continuité et par similitude pour les deux structures HYBRIDES
pour obtenir le nombre d’explorations structurantes. Pour les structures
LIGNES
et
COLONNES ,
ce
type de parcours correspond aux explorations par continuité. Conformément à notre hypothèse, et
comme le montre la Figure 37, les structures
d’explorations structurantes que les structures
HYBRIDES
LIGNES
et
engendrent significativement plus
COLONNES
(X2 (1 ; N=1121)=7,21 ;
p<.01).
lecture structurante
lecture autre
42%
82%
58%
Structures en colonnes et lignes
18%
Structures hybride
Figure 37: Pourcentages d’explorations structurantes et autres selon la
structure (N=1615)
En conclusion, la structure de présentation des items à l'écran guide la prise d'information
dans la liste de mots. Cette prise d’information respecte un ordre qui correspond aux trois grands
principes d’organisation décrits par la théorie gestaltiste : le principe de proximité pour identifier
les regroupements d’items et les principes de continuité et de similitude pour parcourir ces
regroupements. Comme nous le supposions également, une structure hybride engendre plus
d’explorations guidées par la structure qu’une structure classique.
II.2.2.3.1.2. L’effet du point d’ancrage
Nous avons émis l’hypothèse que le point d’ancrage (l’emplacement de la première fixation)
permet d’inférer le type de parcours dans lequel le participant va s’engager pour rechercher et
détecter un mot-cible parmi une liste de mots. Plus particulièrement, nous supposons qu’un point
d’ancrage situé en haut de la scène (ou à gauche pour la structure COLONNES) engendre surtout une
exploration par continuité (prédiction 3), alors qu’un point d’ancrage situé au centre de la liste de
mots engendre surtout une exploration par similitude pour les structures
(prédiction 4).
- 96 -
HYBRIDE
1 et
HYBRIDE 2
Pour effectuer cette analyse, chaque structure est divisée en trois zones : E1, centre et E2.
La décomposition des structures selon ces trois zones est détaillée dans le Tableau 4 : la zone E1
correspond à la zone située en haut pour les structures
LIGNES,
et
HYBRIDES
et la zone située à
STRUCTURE
gauche pour la structure COLONNES.
COLONNES
LIGNES
HYBRIDE 1
HYBRIDE 2
ZONES POUR POINT D ’ANCRAGE
E1
CENTRE
E2
C1 ; C2
C3 ; C4 ; C5 ; C6
C7 ; C8
L1
L2 ; L3
L4
L1
C2 ; C3 ; C4 ; C5
L6
C1; C2
L3; L4
C5; C6
Tableau 4. Décomposition des structures en trois zones : E1, centre, E2
La première analyse concerne le point d’ancrage privilégié par les participants selon la
structure. Le Tableau 5 présente la répartition des points d’ancrage selon la structure.
COLONNES
LIGNES
HYBRIDE 1
HYBRIDE 2
E1
70%
61,8%
39,17%
90,34%
P OINT D’ANCRAGE
CENTRE
27,9%
27,14%
55,61%
4,83%
E2
2,1%
11,06%
5,22%
4,83%
Tableau 5. Pourcentages des localisations du point d’ancrage selon la
structure.
Le point d’ancrage se situe surtout dans la zone E1 (Tableau 5) pour la structure COLONNES
2
(X (2 ; N=420)=295,76 ; p<.01), pour la structure LIGNES (X2 (2 ; N=398)=160,66 ; p<.01) et pour
la structure
HYBRIDE
2 (X2 (2 ; N=414)=605,39 ; p<.01). Pour la structure
HYBRIDE
1, le point
d’ancrage privilégié par les participants est la zone du centrale (X2 (2 ; N=389)=15,741 ; p<.01).
Les analyses qui suivent ont pour objectif de répondre à l’hypothèse selon laquelle le point
d’ancrage permet d’inférer le type de parcours opéré pour détecter la cible. Le Tableau 6 présente
la répartition des segments oculaires selon le type de parcours, le point d’ancrage et la structure de
présentation de la liste de mots.
- 97 -
Structure
COLONNES
LIGNES
HYBRIDE 1
HYBRIDE 2
Point d’ancrage
E1
Centre
E2
E1
Centre
E2
E1
Centre
E2
E1
Centre
E2
Continuité
190
28
4
179
40
27
103
39
10
256
3
12
Type de parcours
Similitude
29
110
9
69
4
5
Autre
104
89
5
67
68
17
18
64
1
49
13
3
Tableau 6. Répartition des segments oculaires selon le type de parcours, le point d’ancrage et la structure
ancrage E1
COLONNES
LIGNES
HYBRIDE 1
HYBRIDE 2
Type de parcours
Continuité Similitude
Autre
64,62 %
35,37 %
72,76 %
27,23 %
68,66 %
19,33 %
12,01 %
68,45 %
18,45 %
13 %
X² associés
X (1 ; N=294)=25,16 ; p<.01
X2 (1; N=246)=50,99 ; p<.01
X2 (2; N=150)=85,48 ; p<.01
X2 (2 ; N=374)=209,14 ; p<.01
2
Tableau 7. Pourcentages des types de parcours observés pour le point d’ancrage E1 selon la structure et les X2
correspondants
Quelle que soit la structure, un point d’ancrage E1 (zone du haut pour les structures
LIGNES, HYBRIDE
1 et
HYBRIDE
2 ; zone de gauche pour la structure en colonnes) engendre
préférentiellement une exploration par continuité (pourcentages et X2 dans le Tableau 7).
ancrage centre
Colonnes
Lignes
Hybride 1
Hybride 2
Continuité
23,93 %
37,04 %
18,31 %
15 %
Type de lecture
Similitude
Autre
76,07 %
62,96 %
30,05 %
65 %
51,64 %
20 %
X² associés
X² (1 ; N=117)=31,8 ; p<.01
X² (1; N=108)=7,26 ; p<.01
X² (2; N=213)=36,54 ; p<.01
X² (2 ; N=20)=9,1 ; p=.01
Tableau 8. Pourcentages des types de parcours observés pour le point d’ancrage centre selon la structure et
les X2 correspondants.
Pour les structures
COLONNES, LIGNES
et
HYBRIDE
2 un ancrage dans la zone centrale
engendre principalement une exploration « autre » (Tableau 8, pour les pourcentages et X2
associés). Pour la structure HYBRIDE 1, un point d’ancrage central engendre surtout une exploration
par similitude.
- 98 -
En résumé, ces résultats nous indiquent d’une part que pour les structures
HYBRIDE 2,
LIGNES
et
le type de parcours privilégié par les participants dans une tâche de détection d’un mot
est une exploration par continuité, et ceci d’autant plus que le point d’ancrage se situe dans la zone
du haut de la liste. Pour la structure hybride 1, les participants utilisent dans des proportions
équivalentes une exploration par continuité et par similitude. Lorsque le point d’ancrage se situe
dans la zone centrale, il y a majoritairement une exploration par similitude pour la structure
HYBRIDE 1,
et une exploration « autre » pour les autres structures (LIGNES, COLONNES et HYBRIDE
2). Et enfin, mis à part la structure
HYBRIDE
1, dont le point d’ancrage est plutôt dans la zone
centrale, le point d’ancrage pour les autres structures est dans le haut de la liste ou à gauche pour la
structure COLONNES.
II.2.2.3.2. Les effets de structure sur les performances
Rappelons que nous nous attendons à ce que le parcours de recherche avec la structure COLONNES
soit associé à des temps de réponse plus courts que pour les autres structures. Cette rapidité de
réponse devrait se traduire par un nombre plus faible de fixations (prédiction 5).
Les moyennes des taux de réussite, des temps de réponse, du nombre de fixations et les
écarts-types associés selon de la structure la scène visuelle sont donnés dans le Tableau 9.
TAUX DE REUSSITE
TEMPS DE REPONSE (secondes)
NOMBRE DE FIXATIONS
Structures visuelles des listes de mots
COLONNES
LIGNES
HYBRIDE 1
HYBRIDE 2
.19
.2
.13
.17
.778
.747
.830
.803
0,76 3,59 0,59 3,65 0,69 3,94 0,59
3,75
2,43 11,25 2,65 11,45 2,72 12,73 2,57
10,89
Tableau 9. Moyennes (en gras) et écarts-types associés (en italique) pour le taux de réussite, le temps de
réponse (en secondes) et le nombre de fixations selon la structure (38 participants)
La structure de la liste de mots a un effet significatif sur le taux de réussite
(F(3,105)=3,13; p=.03) et les temps de réponse (F(3,105)=3,34; p=.02). On note que :
−
la structure
structure
LIGNE
engendre des taux de réussite significativement plus faibles que la
HYBRIDE
1 (F(1,35)=9,25 ; p<.01) et des temps de réponse significativement
plus courts que la structure HYBRIDE 2 (F(1,35)=8,68 ; p<.01).
−
la structure HYBRIDE 1 engendre des temps de réponse significativement plus courts que la
structure HYBRIDE 2 (F(1,35)=4,54 ; p=.04).
Par ailleurs, la structure de la liste de mots a également un effet significatif sur le nombre
de fixations (F(3,105)=5,13; p<.01) : la structure
HYBRIDE
- 99 -
2 engendre significativement plus de
fixations que les autres structures (détails des comparaisons planifiées en annexes, section A.3.1).
Ainsi, les temps de réponse plus longs pour la structure HYBRIDE 2 se traduisent par un plus grand
nombre de fixations.
Comme le montrent ces résultats, nous n’observons pas les tendances escomptées. Pour
comprendre ces performances et plus particulièrement les différences de temps de réponse entre la
structure
HYBRIDE
2 et les structures
LIGNES
et
HYBRIDE
1, nous avons conduit une analyse
supplémentaire qui consiste à relier la performance au type de parcours dans lequel le participant
s’engage. Ces temps plus longs pour la structure hybride 2 pourraient, en effet, être dus au fait que
l’exploration par continuité implique une lecture en colonnes puis une lecture en lignes et enfin une
lecture en colonnes, soit deux changements de modes de parcours. Pour la structure HYBRIDE 1, les
participants s’engagent dans ce type de parcours, mais aussi dans une exploration par similitude et
ceci dans une plus grande proportion que pour une structure
39% pour la structure
HYBRIDE
HYBRIDE
1 contre 19% pour la structure
2 (Figure 36, pour rappel :
HYBRIDE 2,
X2 (1, N=228)=6,90 ;
p<.01).
Pour conduire cette analyse, nous n’avons pris en compte que les protocoles où les
participants ont détecté la cible et à partir desquels nous pouvons identifier le type de parcours.
Nous avons alors calculé les temps de réponse selon la structure et le type de parcours. Ces temps
de réponse figurent dans le Tableau 10.
structures
Colonnes (N=200)
Lignes (N=165)
Hybride1 (N=170)
Hybride2 (N=205)
Exploration par Exploration
continuité
par similitude
4.57
4.68
4.88
4.37
1.61
1.68
1.61
1.44
4.78
4.47
1.32
0.98
Exploration
« autres »
3.76
3.67
4.28
3.97
1.15
1.21
1.28
1.20
Toutes
explorations
confondues
4.22 1.49
4.17 1.59
4.65 1.46
4.27 1.35
Tableau 10. Moyennes (en gras) et écarts-types (en italique) des temps de réponse en
secondes selon la structure et le type de parcours (n=740).
Ces analyses sont menées selon un plan indépendant : S <P 4 *L3 > où S représente le
nombre d’observations (740 segments oculaires), P 4 représente les quatre types de structure
(COLONNES, LIGNES , HYBRIDE 1 et
HYBRIDE
2) et L3 représente les trois types d’exploration (par
continuité, par similitude, autres).
Pour une exploration par continuité, la structure n’a pas d’effet significatif sur les temps de
réponse (F(3,436)=1,95 ; p=.12, ns). Ainsi contrairement à notre prédiction, une exploration en
colonnes n’engendre pas un temps de réponse significativement plus court qu’une exploration en
- 100 -
lignes. Un deuxième résultat concerne la différence de tendance observée entre la structure
HYBRIDE
1 et la structure
HYBRIDE
2. Précédemment, nous avions vu que la structure
engendre des temps de réponse plus courts que la structure
HYBRIDE
HYBRIDE 1
2. Ici, nous observons
l’inverse. Ces résultats, apparemment contradictoires, s’interprètent par le fait que pour la structure
HYBRIDE
1, nous avons enlevé 33,85% des données alors que pour la structure
HYBRIDE
n’avons enlevé que 19,92% des données. En enlevant les données de la structure
2 nous
HYBRIDE
1 qui
sont celles des participants qui détectent très rapidement la cible, nous n’avons pas pu avec nos
critères établir le type de parcours. Pour la structure HYBRIDE 1, le point d’ancrage principal dans la
liste de mots est la zone centrale (voir section II.2.2.3.1.2) et la cible a 4 chances sur 6 de s’y
trouver. En revanche, pour la structure HYBRIDE 2, le point d’ancrage se situe dans la zone du haut,
soit 2 chances sur 6 que la cible y soit située. Ainsi, les différences de temps observées
précédemment entre la structure HYBRIDE 1 et HYBRIDE 2 sont dues principalement au fait que
dans la structure HYBRIDE 1, les participants ont plus de chances de détecter la cible dans la zone
d’ancrage, et de ce fait très rapidement.
Pour les données restantes, codées en type de parcours, la différence de temps entre les
structures
HYBRIDE
1 et
HYBRIDE
2 dans le Tableau 10 est due principalement au fait qu’une
exploration par continuité pour la structure
HYBRIDE
1 est significativement plus longue qu’une
exploration par continuité pour la structure HYBRIDE 2 (F(1,221)=5,84 ; p=.02).
La répartition des types d’exploration selon la structure peut permettre d’interpréter la
différence de temps de réponse observée entre la structure
LIGNES
Rappelons que nous avons observé que la structure
2 engendre surtout une exploration
HYBRIDE
et la structure
HYBRIDE
2.
par continuité (65%) et peu d’explorations par similitude (19%) et «autres » (16%), et que la
structure LIGNES engendre également une exploration par continuité (62%). La différence de temps
de réponse entre ces deux structures peut s’interpréter soit par le fait que l’exploration par
continuité est plus rapide pour une structure LIGNES que pour une structure HYBRIDE 2, soit par une
exploration par similitude sur une structure HYBRIDE 2 plus longue qu’une exploration « autre » sur
une structure LIGNES.
En ne considérant que les cas de réussite pour lesquels nous avons suffisamment de
fixations pour identifier un type de parcours, nous observons des répartitions des types
d’explorations dans les mêmes proportions qu’en gardant tous les protocoles (réussite, échec et
cible absente) ( Figure 38).
- 101 -
exploration autre
exploration par similitude
15%
14%
37%
63%
71%
Structure Hybride 2 (N=205)
Structure en Lignes (N=165)
Figure 38. Pourcentages des types de parcours selon la structure lorsque la cible est détectée.
Nous n’observons pas de différence significative pour le temps de réponse entre une
structure
LIGNES
et une structure
HYBRIDE 2
pour l’exploration par continuité (Tableau 10,
F(1,247)=2,49 ; p=.12, ns). Du point de vue du type d’exploration, la différence entre les deux
structures réside dans la différence de pourcentages d’utilisation de l’exploration « autre » (X2 (1,
N=92)=9,31 ; p<.01). Or nous n’obtenons pas non plus de différence de temps de réponse
significative sur ce type de parcours entre les deux structures (F(1,90)=1,24 ; p=.27, ns). En
revanche, une exploration par similitude sur une structure
longue qu’une exploration « autre » sur une structure en
différence de temps observée entre
HYBRIDE
d’une exploration par similitude sur
2 et
HYBRIDE
HYBRIDE
LIGNES
LIGNES
2 est significativement plus
(F(1,88)=9,52 ; p<.01). Ainsi, la
est due principalement à l’utilisation
2 qui engendre des temps de réponse
significativement plus longs qu’une exploration « autre » sur une structure LIGNES.
Pour résumer les résultats obtenus avec les temps de réponse, la différence de temps
observée entre la structure
HYBRIDE
1 et
HYBRIDE
2 est associée à une différence de point
d’ancrage : il y a une plus grande probabilité que la cible se situe dans la zone d’ancrage pour la
structure
HYBRIDE
1 que dans la zone d’ancrage de la structure
HYBRIDE 2.
Quant à la différence
observée entre les structures HYBRIDE 2 et LIGNES, les résultats nous montrent que l’exploration par
similitude pour la structure
HYBRIDE
exploration « autre » sur une structure
COLONNES
2 est associée à des temps de réponse plus longs qu’une
LIGNES.
Enfin, contrairement à nos prédictions, la structure
n’engendre pas un temps de réponse plus court que celui trouvé pour les autres
structures.
Nous discutons l’ensemble de nos résultats dans la section suivante (section II.2.2.4).
- 102 -
II.2.2.4. Discussion
Les résultats de l’expérience 1.1, sont compatibles pour la plupart avec les prédictions que nous
avons faites en nous basant sur l’idée que la prise d’information visuelle est dirigée par des
principes d’organisation cognitive de l’information perceptive. D’une part, mis à part la structure
COLONNES,
pour explorer la scène visuelle dans le cadre d’une tâche de recherche d’un mot-cible
parmi 32 candidats, les participants suivent un parcours, déterminé par les trois principes
d’organisation perceptive décrits par la théorie Gestaltiste (un principe de proximité qui permet de
différencier les groupes d’items, le principe de continuité et un principe de similitude qui guide
l’échantillonnage dans cette structure) et par l’emplacement de la première fixation (le point
d’ancrage). De la sorte, on peut inférer le type d’exploration dans lequel le participant s’engage. Ce
résultat renforce l’hypothèse selon laquelle le participant se laisse guider par la structure, et par les
principes cognitifs d’organisation visuelle, pour parcourir le contenu textuel d’une scène visuelle à
la recherche d’une cible.
La structure COLONNES n’entraîne pas, contrairement à ce qu’on attendait, une exploration
par continuité, à savoir une exploration colonne par colonne. Ce résultat peut s’interpréter par la
nature de cette structure qui présente deux particularités. D’une part, c’est la seule structure qui ne
correspond pas au principe de la « bonne forme » développé par la théorie Gestaltiste.
Contrairement aux structures
structure
HYBRIDE
LIGNES
et
HYBRIDE
1 qui, globalement forment un rectangle, et à la
2 qui forme plutôt une croix, la structure
COLONNES
n’a pas une telle bonne
forme, aussi bien délimitée. Le non-alignement des colonnes induit plutôt une vague. D’autre part,
dans cette structure COLONNES, le peu d’espace entre deux colonnes consécutives ne permet pas de
distinguer nettement les huit zones sans compter le non-alignement des zones, qui perturberait leur
continuité. Toutefois, en prenant en compte les parcours sur la structure
HYBRIDE 1,
nous observons
que les participants effectuent bien une exploration par continuité sur les colonnes centrales. La
seule différence entre la structure
COLONNES
et la structure
HYBRDE
1, du point de vue des
colonnes, outre le nombre de colonnes, concerne l’espace entre deux colonnes consécutives (de 21
pixels pour la structure
COLONNES
et 73 pixels pour la structure
HYBRIDE 1).
Ce résultat nous
suggère que la faible fréquence d’exploration par continuité observée avec la structure
COLONNE,
serait due principalement à l’écart entre deux colonnes successives.
Contrairement à ce que nous attendions, l’exploration d’une structure en colonnes
n’engendre pas non plus un temps de réponse plus court qu’une exploration en lignes. Ce résultat
peut être dû au fait que le nombre de zones entre une structure LIGNES et une structure COLONNES
varie du simple au double : 8 colonnes contre 4 lignes. Ainsi, cela suggère que le temps de réponse
serait en premier lieu influencé par le nombre de zones. De ce fait, même si la lecture en colonnes
est plus rapide que la lecture en lignes, un nombre plus important de colonnes que de lignes, en
- 103 -
conservant pourtant le même nombre de mots dans les deux structures, accroît le temps de
recherche de la cible.
Afin de vérifier ces nouvelles hypothèses, une seconde expérience a été réalisée avec un
matériel constitué uniquement d’une répartition en colonnes : soit les colonnes sont réparties sur
une seule horizontale soit elles sont réparties sur deux horizontales. Ce nouveau matériel permet de
tester plusieurs hypothèses : l’hypothèse d’un type d’exploration en colonnes et l’hypothèse selon
laquelle une exploration en lignes serait plus longue qu’une exploration en colonnes.
- 104 -
II.2.3. Expérience
1.2 :
La
comparaison
de
deux
structures en colonnes
Le but de cette expérience est, d’une part, de forcer une exploration par continuité sur une structure
COLONNES,
et d’autre part, d’étudier les différences de performances entre une exploration en
lignes et une exploration en colonnes sur une même structure. Les hypothèses relatives à cette
expérience sont, comme précédemment, relatives aux types de parcours dans lesquels les
participants s’engagent et aux performances de détection selon la structure de la scène visuelle.
II.2.3.1.1. Les types de parcours en colonnes
Les résultats de l’expérience 1.1 ont indiqué qu’une structure sous le format colonnes n'est pas
fortement associée à une exploration par continuité (lecture de la première colonne puis de la
deuxième colonne et ainsi de suite jusqu'à la dernière colonne). Nous avons émis l'hypothèse que
notre matériel COLONNES , ne présentait pas une bonne forme au sens de la théorie gestaltiste et que
l'intervalle spatial entre deux colonnes est trop réduit pour permettre une distinction perceptive
adéquate des colonnes. En augmentant l’espace inter-colonnes, afin que l’aspect global de la
structure en colonnes soit mieux perçu, nous nous attendons à ce que les participants effectuent
surtout des explorations par continuité pour détecter la cible. Cet effet est étudié sur deux types de
structures
COLONNES
: une structure dans laquelle les colonnes sont sur une même horizontale et
une structure dans laquelle les colonnes sont sur deux horizontales.
A partir de ces deux types de structures, nous pouvons prédire les types de parcours, en
nous basant sur deux types de principes d’organisation gestaltistes (Koffka, 1935) : le principe de
proximité pour identifier les zones et le principe de continuité pour passer d’une zone à une autre.
Nous nous attendons ainsi à obtenir surtout une exploration par continuité, et ceci quelle
que soit la structure envisagée. Mais ce principe devrait être mis en place différemment selon
l’organisation partie -tout de la structure :
−
pour la structure où toutes les colonnes sont disposées sur une même horizontale (structure
que nous appe llerons désormais [1x6 COL] : une horizontale sur laquelle figurent 6
colonnes), le mode de lecture par continuité se traduirait par la lecture des mots de la
- 105 -
première colonne, puis celle des mots de la seconde colonne et ainsi de suite, jusqu’à ce
que la cible soit détectée ou, dans le cas contraire, jusqu’à la dernière colonne.
−
pour la structure où les colonnes sont disposées sur deux horizontales (que nous
appellerons désormais [2x3 COL] : 2 horizontales comportant chacune 3 colonnes), deux
types d’exploration par continuité sont prédits. Un premier type d’exploration consiste à
parcourir les mots de la première colonne de la première horizontale jusque la dernière
colonne de cette même horizontale puis à effectuer le même parcours pour la deuxième
horizontale (continuité horizontale). Dans ce cas, le principe de proximité est mis en œuvre
à deux niveaux : à un niveau global qui permet de distinguer les deux horizontales puis à
un niveau local qui permet de distinguer les colonnes d’une même horizontale. De ce fait,
cette structure présente deux blocs d’information, chaque bloc est représenté par un
ensemble de 3 colonnes sur une même horizontale. Un deuxième type de lecture consiste à
lire les mots de la première colonne de la première horizontale, puis ceux de la première
colonne de la deuxième horizontale, puis à effectuer le même type de parcours sur les
colonnes suivantes (continuité verticale). Dans ce cas, le principe de proximité permet de
distinguer dans un premier temps trois grandes verticales puis plus précisément les
colonnes dans chaque verticale. De ce fait, la structure présente trois blocs d’information,
chaque bloc étant représenté par un ensemble de deux colonnes sur une même verticale.
Dans les deux cas, le principe de continuité est en premier lieu conditionné par le type de
proximité mis en œuvre : si la proximité permet de distinguer deux horizontales, le principe de
continuité permet de lire les mots des colonnes de la première horizontale puis de la seconde. Si la
proximité permet de distinguer trois verticales, le principe de continuité permet de lire les mots des
colonnes de la première verticale avant le passage à la verticale du centre puis à la dernière
verticale.
Enfin, considérant l’alignement strict des colonnes sur une ou deux horizontales, nous
supposons que nous pouvons, dans une moindre mesure, obtenir un mode lecture en lignes (lecture
de tous les mots disposés sur une première ligne puis à lire ceux disposés sur la ligne suivante). Ce
mode de lecture résulte uniquement de la prise en compte du principe de continuité, qui pourrait
avoir sa source par analogie à la lecture d’un livre. En revanche, nous nous attendons à ce que ce
type d’exploration soit plus utilisé sur la structure [1x6 COL] que sur une structure [2x3 COL]. En
effet, la structure [1x6 COL] peut permettre une organisation en quatre lignes alors que pour la
structure [2x3 COL], ce nombre est de huit.
- 106 -
II.2.3.1.2. Les performances de détection
Avec l’expérience 1.1, nous n’avons pas observé un temps de réponse plus court pour la structure
COLONNES
par rapport à la structure LIGNES. Nous supposons que cette absence d’une plus grande
rapidité est due à notre matériel qui fait que la structure
COLONNES
n’a pas engendré une
exploration colonne par colonne si bien que nous n’avons pu comparer ces deux types de structures
(COLONNES versus
LIGNES)
sur un nombre de zones équivalent, ni sur un même matériel. Dans
cette expérience, nous pouvons nous attendre à ce que lorsque la structure engendre ces deux types
de parcours, tel que nous supposons être le cas pour la structure [1x6 COL], une exploration en
lignes soit plus longue qu’une exploration en colonnes. Si tel est le cas, nous pouvons également
nous attendre à ce que cette structure engendre des temps de réponse plus longs que la structure
[2x3 COL], ceci par une plus grande utilisation d’une exploration en lignes pour la structure [1x6
COL] que pour la structure [2x3 COL].
Partant de ces hypothèses, nous nous attendons à ce qu’aux deux structures colonnes soit surtout
associée une exploration par continuité (prédiction 1). Par ailleurs, la structure [1x6 COL]
engendrerait plus d’explorations en lignes que la structure [2x3 COL] (Prédiction 2). De ce fait,
nous nous attendons à qu’une exploration en lignes sur une structure [1x6 COL] soit plus longue
qu’une exploration en colonnes sur cette même structure (Prédiction 3). Enfin, nous nous attendons
à ce que la structure [1x6 COL] engendre des temps de réponse plus longs, associés à un nombre de
fixations plus important que la structure [2x3 COL] (Prédiction 4).
II.2.3.2. Méthode
Le matériel expérimental est composé de 814 mots. Ces 814 mots ont été utilisés pour construire 48
listes de 24 mots. Chacune des 48 listes de 24 mots sont construites selon deux structures
d’organisation orientées en colonnes. Chaque structure comporte 6 colonnes de 4 mots. La
différence entre les deux structures d’organisation concerne la disposition des 6 colonnes :
−
Soit les 6 colonnes sont alignées strictement sur la même horizontale (structure
[1x6 COL] ; Figure 39a).
−
Soit les 6 colonnes sont disposées sur deux horizontales. Chaque horizontale présente 3
colonnes (structure [2x3 COL] ; Figure 39b).
- 107 -
a. Structure [1X6 COL]
b. Structure [2X3 COL]
Figure 39. Structures de présentation [1X6 COL] et [2X3 COL] testées dans l'expérimentation.
Pour chaque structure, l'espacement entre deux colonnes sur la même horizontale est de 45
pixels et celui entre deux colonnes sur la même verticale est de 54 pixels.
A chaque liste est associé un mot à détecter (par exemple détecter le mot « enfance »). Pour
24 de ces listes la cible est présente, pour les 24 autres elle en est absente. La répartition des listes
dans les deux groupes (cible présente ou cible absente) a été faite au hasard.
Chacune des deux structures est présentée 24 fois à chaque participant.
Le plan expérimental de cette expérience est S40 * A 2 * P 2 où,
−
S40 représente les 40 participants,
−
A2 représente la présence ou l'absence de la cible dans la liste,
−
P 2 représente la structure de la liste [1X6 COL] ou [2X3 COL],
Une fois l’expérimentation terminée, l’expérimentateur obtient 48 segments oculaires qui
correspondent aux 48 essais effectués par le participant, ainsi que les réponses associées à chaque
essai.
Selon la durée de la phase de calibrage, la durée de la passation est comprise entre 10 et 30
minutes.
II.2.3.2.3. L’identification des types d’explorations visuelles
Afin d’étudier l’effet de la structure sur le type de lecture dans lequel s’engage le participant, il est
nécessaire d’identifier les types de parcours dans lesquels le participant s’engage. Cette procédure
- 108 -
identique à celle utilisée dans l’expérience précédente, consiste dans un premier temps, à diviser la
structure en zones, puis, dans un second temps, à identifier la localisation des fixations selon ces
zones. A partir de cette correspondance entre les zones et les localisations des fixations, nous
pouvons identifier, pour chacun des 48 essais, le type de parcours dans lequel le participant
s’engage pour détecter le mot-cible.
II.2.3.2.3.1. Le découpage des structures en zones
Pour la structure [1x6 COL], les zones sont codées de 1 à 6. La zone 1 correspond à la colonne la
plus à gauche et la zone 6 à la colonne la plus à droite (Figure 40a). Pour la structure [2x3 COL],
les zones sont codées de 1 à 6 (Figure 40b). Les zones à 1 à 3 correspondent aux colonnes
disposées sur la première horizontale (1 étant la colonne la plus à gauche et 3 celle la plus à droite)
et les zones 4 à 6 correspondent aux colonnes disposées sur la deuxième horizontale (4 étant la
colonne la plus à gauche et 6 celle la plus à droite).
a. Structure [1X6 COL]
b. Structure [2X3 COL]
Figure 40. Découpages des deux structures en zones pour établir les types de parcours.
II.2.3.2.3.2. Le repérage des types d’exploration visuelle
Plusieurs types de parcours sont identifiés selon la disposition spatiale des mots de la liste.
Pour la structure [1x6 COL], un premier type d’exploration consiste à parcourir en un seul
passage l'ensemble des 6 colonnes. Cet unique passage se traduit par une ou deux fixations sur une
colonne avant le passage à la colonne suivante (parcours des zones de 1 à 6 ou de 6 à 1). Ce type de
lecture traduit à notre sens une exploration par continuité en colonnes (lecture d’une première
colonne, puis de celle qui est juste à côté, avant de passer à une autre colonne située à côté, Figure
41a). Un deuxième type d’exploration identifié pour cette structure consiste à effectuer une fixation
par colonne, à parcourir l'intégralité des colonnes de façon successive de la gauche vers la droite
- 109 -
(ou le contraire), puis à effectuer un autre, voire plusieurs passages sur la structure dans le sens
contraire à celui réalisé précédemment. Ce type de parcours suggère une exploration en lignes
basée sur le principe de continuité. De ce fait, nous la qualifions d’exploration par continuité en
lignes. En effet, les points de fixation sur la colonne ne sont pas disposés aléatoirement : pour le
premier passage, ils se trouvent plutôt sur le haut des colonnes, alors que pour le second passage
nous les trouvons plutôt sur le bas des colonnes, ou l’inverse (Figure 41b).
a. Exploration en colonnes
b. Exploration en lignes
Figure 41. Exemples d’exploration par continuité en colonnes (a) et en lignes (b) pour la structure
[1X6 COL]
Partant des critères basés des principes gestaltistes, nous ne pouvons typer d’autres
modèles de parcours. Lorsqu’un segment oculaire ne peut être attribué à l'un des deux types
d’exploration décrits ci-dessus, nous le qualifions d’exploration « autre ».
Pour la structure [2X3 COL], le premier type d’exploration identifié consiste à parcourir
sous une exploration en colonnes la première horizontale de colonnes avant de parcourir, de la
même manière, les colonnes de la deuxième horizontale. Nous qualifions ce type de parcours
d’exploration par continuité horizontale en colonnes (Figure 42a). Un deuxième type de parcours
en colonnes identifié consiste à lire les 2 colonnes situées sur la gauche, puis à passer aux deux
colonnes situées au centre, et enfin à, lire les colonnes situées sur la droite (ou l'inverse : à droite,
puis au centre, puis à gauche). Ce type de parcours est qualifié d’exploration par continuité
verticale en colonnes (Figure 42b). Nous avons également identifié une exploration par continuité
en lignes pour cette structure : elle consiste à lire ligne par ligne les colonnes du haut, puis à
effectuer le même mode de lecture sur les colonnes du bas (Figure 42c).
- 110 -
Aucun autre type particulier d’exploration n'a été identifié. Pour cette raison, tout segment
oculaire ne pouvant être attribué à l'un des trois types d’exploration précédemment décrits, est
qualifié d’exploration « autre ».
a. Exploration par continuité horizontale en colonnes
c. Exploration par continuité en lignes
b. Exploration par continuité verticale en colonnes
Figure 42. Les types de parcours identifiés pour une structure [2X3 COL]
Les analyses sur le type de parcours sont effectuées à l'aide du test du Khideux sur 1499
observations au lieu des 1920 obtenues. 21,93% des observations ont été écartées à cause d’un
nombre insuffisant de fixations enregistrées lors de l'essai concerné, si bien qu’il a été impossible
de détecter un mode de lecture particulier.
II.2.3.3. Résultats et interprétations
Dans un premier temps, nous exposons les analyses relatives au type d’exploration dans lequel
s'engage le participant. Dans un deuxième temps, nous présentons les résultats relatifs aux
performances sur la tâche.
- 111 -
II.2.3.3.1. Les types de parcours selon la structure
Rappelons que nous nous attendions à ce que les participants s’engagent surtout dans une
exploration par continuité, et ceci quelle que soit la structure (prédiction 1), et que la structure [1x6
COL] engendre plus d’explorations en lignes que la structure [2x3 COL] (prédiction 2).
Comme l'indique la Figure 43, la structure [1x6 COL] engendre surtout une exploration par
continuité en colonnes, ce qui n’est pas observé pour les autres types de parcours (X2 (2 ;
N=777)=171,61; p<.01).
De même, la structure [2x3 COL] engendre surtout une exploration par continuité
horizontale des colonnes par rapport aux autres types de parcours (X2 (3 ; N=722)=421,96 ; p<.01).
Pour ce type de structure, les participants privilégient plutôt un parcours qui consiste à lire d'abord
les mots colonne par colonne sur la première horizontale, puis les mots placés sur la deuxième
horizontale.
En outre, comme nous nous y attendions, la structure [1x6 COL] engendre significativement plus
d’exploration en lignes que la structure [2x3 COL] (Figure 43, X2 (1 ; N=201)=15,38 ; p<.01).
Nous observons ainsi une plus grande proportion d’explorations par continuité en colonnes
par rapport aux autres types d’exploration. Ainsi, en augmentant l’espace inter-colonnes, nous
obtenons une forte proportion d’explorations guidées par la structure, effet que nous n’avions pas
observé dans l’expérience 1.1 précédente. De plus, pour la structure [2x3 COL], les résultats nous
indiquent que les participants privilégient la distinction des zones par l’horizontale plutôt que par la
verticale (différence d’observation entre exploration par continuité en horizontale et exploration par
continuité verticale).
- 112 -
23%
continuité horizontale colonnes
continuité verticale colonnes
continuité lignes
autre
3%
27%
21%
21%
56%
49%
Structure [1x6 COL] (N=777)
Structure [2x3 COL] (N=722)
Figure 43. Pourcentages des types de parcours observés selon la structure de la liste de
mots.
II.2.3.3.2. Les performances de détection selon la structure
Rappelons que nous nous attendons à ce qu’une exploration en lignes engendre un temps de
réponse plus long qu’une exploration en colonnes (prédiction 3) et à ce que la structure [2x3 COL]
engendre un temps de réponse plus court et un nombre de fixations plus faible qu’une structure
[1x6 COL] (prédiction 4).
Pour évaluer la première prédiction, nous avons sélectionné les essais réussis par les
participants lorsqu’un type de parcours a pu être observé. Ces analyses sont conduites en plan
indépendant S<P 2 *L3 > où S représente le nombre de protocoles (au nombre de 436 dont 253 pour
la structure [1x6 COL] et 183 pour la structure [2x3 COL] ), P2 les deux structures de liste de mots
et L3 représente les trois types d’exploration visuelle (en colonnes, en lignes et autres). La
répartition des types de parcours selon la structure est présentée dans la Figure 44. Cette figure
nous montre que la répartition obtenue en cas de réussite est la même que celle observée sur la
- 113 -
totalité des protocoles (sauf pour la structure [2x3COL] qui ne présente plus d’exploration en
lignes : 1% lors de l’analyse sur la totalité des protocoles).
exploration en colonnes
exploration autres
exploration en lignes
17%
9%
88%
12%
74%
a. Structure [1x6COL]
b. Structure [2x3COL]
Figure 44. Pourcentages des types de parcours observés selon la structure pour la réussite à la
tâche de détection
TYPE D’EXPLORATION
[1x6 COL]
[2x3 COL]
EN COLONNES
1,12
3,45
0,92
3,51
AUTRE
3,35
3,12
1,28
1,16
EN LIGNES
0,99
4,12
Tableau 11. Moyennes (en gras) et écarts-types (en italique) des temps de réponse (en secondes) selon la
structure et le type d’exploration pour la réussite à la tâche de détection.
Lors d’une exploration en colonnes, la différence de temps de réponse observée entre les
structures [1x6 COL] et [2x3 COL] dans le Tableau 11 n’est pas significative (F(1,345)=0,29 ;
p=.59, ns). Concernant les différences de types de parcours entre les deux structures, la Figure 44
nous montre que la structure [1x6 COL] présente 9% d’explorations en lignes contre 0% pour la
structure [2x3 COL] : ce mode d’exploration est inexistant pour cette structure dans nos données.
Pour la structure [1x6 COL], une exploration en colonnes engendre des temps de réponse
significativement plus courts qu’une exploration en lignes (F(1,209)=7,99 ; p<.01). De plus, cette
exploration en lignes pour la structure [1x6 COL] engendre des temps de réponse significativement
plus longs qu’une exploration en colonnes pour la structure [2x3 COL] (F(1,184)=9,33 ; p<.01).
Par ailleurs, nous n’observons pas de différence significative des temps de réponse pour
l’exploration « autre » entre les deux structures (F(1,61)=0,46 ; p=.5, ns).
- 114 -
Ainsi conformément à nos hypothèses, une exploration en lignes engendre bien un temps
de réponse plus long qu’une exploration en colonnes et ceci quelle que soit la structure en
colonnes.
Les analyses qui suivent ont pour but de tester la prédiction 4 : la différence de temps entre
une exploration en lignes et une exploration en colonnes correspond-elle à une différence de temps
de réponse entre les structures [1x6 COL] et [2x3 COL] : un temps de réponse plus long pour la
première que pour la deuxième?
écarts-types associés sont présentés dans le Tableau 12.
TAUX DE REUSSITE
TEMPS DE REPONSE (en secondes)
NOMBRE DE FIXATIONS
Structure des listes de mots
[1 X 6 COL]
[2 X 3 COL]
.091
.111
.906
.863
0,41
0,40
2,70
2,54
0,75
1
6,51
5,88
Tableau 12. Moyennes (en gras) et écarts-types (en italique) des taux de réussite, des temps de réponse (en
secondes) et du nombre de fixations selon la structure de la liste de mots lorsque la cible est présente dans la
structure (40 participants).
Comme nous le supposions une structure [2x3COL] engendre des temps de réponse plus
courts qu’une structure [1x6COL] (F(1,39)=5,83 ; p=.02). Cette rapidité s’accompagne d’un
nombre de fixations plus faible (F(1,39)=10,43; p<.01). En revanche, la structure [2x3COL]
engendre un taux de réussite significativement plus faible que la structure [1x6COL]
(F(1,39)=5,69 ; p=.02). Ainsi il semble que les participants privilégient la rapidité de réponse au
détriment de sa justesse et ceci malgré la consigne. Ce phénomène peut être dû au fait que dans
50% des essais, la cible ne se trouvait pas dans la liste.
Comme attendu, la structure
COLONNES
engendre majoritairement une exploration par continuité.
Ainsi, en modifiant une caractéristique visuelle de cette structure (et notamment ici l’espace entre
deux colonnes successives et l’alignement), nous observons surtout une exploration colonne par
colonne.
De plus, en alignant strictement les colonnes sur la même horizontale, même avec un
espace entre les colonnes assez important, nous obtenons une exploration en lignes. Ceci laisse
- 115 -
penser que les participants qui se sont engagés dans ce type de lecture n’ont pas utilisé le principe
de proximité pour différencier les colonnes.
En réduisant l’espace inter-colonnes, nous pourrions certainement obtenir plus souvent ce
type d’exploration. En effet, dans ce cas là le principe de proximité permettrait de distinguer les
lignes et de ce fait parcourir 4 zones au lieu de 6.
Comme nous le supposions, une exploration en lignes engendre des temps de réponse plus
longs qu’une exploration en colonnes. De plus, nous observons ce résultat sur une même structure,
ce qui renforce la validité de l’observation. De ce fait, comme nous nous y attendons la structure
[1x6 COL] engendre un temps de réponse plus long qu’une structure [2x3 COL].
En revanche, cette rapidité de réponse se traduit par un taux de réussite plus faible. Nous
observons donc un phénomène de «speed-accuracy trade off », et ceci malgré le fait que la
consigne insiste à la fois sur la précision de la réponse et la rapidité de la détection. Ce résultat nous
indique que les participants ont privilégié la vitesse de la réponse par rapport à sa justesse. Cela
peut être dû au fait que dans 50% des essais, la cible n’était pas présente dans la scène visuelle.
- 116 -
II.2.4. Discussion générale de l’expérimentation 1
Que nous apportent ces deux expériences sur l’effet de la structure de la scène visuelle sur la
détection d’une cible ?
D’une part, comme attendu, la structure visuelle de l’environnement guide son exploration.
Ainsi, la variation de la structure permet d’orienter le type d’exploration dans lequel le participant
s’engage lors de la détection d’une cible. Les résultats obtenus ici, nous suggèrent que pour orienter
ce parcours oculaire, en terme de succession temporelle, plusieurs critères sont à respecter.
L’agencement des items doit aboutir à une forme globale simple et régulière, respectant ainsi le
principe de la bonne forme décrit par la théorie gestaltiste (Koffka, 1935). Cette structure doit
permettre également de distinguer aisément des zones à explorer à partir des groupements
perceptifs, permettant ainsi une planification orientée de l’exploration des mots contenus dans ces
parties. Enfin, cette structure doit permettre aisément d’effectuer le passage d’une zone à l’autre.
Ces trois points permettent, selon nous, de guider le regard du participant et de faciliter
l’exploration de la scène visuelle. Dans nos deux expériences, les principes qui ont régi la
distinction entre les parties de la scène et la transition entre celles-ci sont respectivement le principe
de proximité et le principe de continuité. Dans ces expériences, ces principes nous permettent de
décrire et d’interpréter les types de parcours. La différence observée entre les explorations par
continuité et par similitude sur les structures HYBRIDES nous suggère toutefois que les participants
favorisent le principe de continuité pour la transition entre les parties. Notre travail n’est
probablement pas exhaustif : il pourrait être envisageable de tester d’autres principes d’organisation
visuelle que ceux qui ont été testés ici, aussi bien sur la distinction entre les parties que sur leur
transition.
D’autre part, ces résultats nous indiquent que le point d’ancrage dans la scène visuelle, en
d’autres termes, le lieu de la première fixation oculaire, permet d’inférer le type d’exploration dans
lequel le participant s’engage selon le type de structure. Selon des conventions liées à la lecture
occidentale, le point de départ privilégié de lecture est la zone en haut à gauche. Spérandio &
Bouju (1983) obtiennent ce type de résultat lors de l’exploration de données numériques à l’écran.
Les résultats de l’expérience 1.1 nous suggèrent qu’un ancrage en haut à gauche de la scène
visuelle, engendre un type de parcours qui dépend de la structure, c’est-à-dire de la manière dont
les mots sont répartis dans la scène visuelle. Ainsi les participants qui débutent par la zone en haut
à gauche s’engagent plutôt dans une exploration qui suit la structure de présentation.
- 117 -
Les résultats obtenus dans la première expérience 1.1 ne nous permettent pas de généraliser
qu’une exploration en colonnes est plus rapide qu’une exploration en lignes, alors que Spérandio &
Bouju (1983) montrent que, sur une même structure, une exploration en colonnes est plus rapide
qu’une exploration en lignes. En effet, dans cette expérience, nous n’observons pas une différence
significative de temps entre une exploration en colonnes sur la structure
exploration en lignes pour la structure
LIGNES.
COLONNES
et une
Mais avec l’expérience 1.2, nous retrouvons les
résultats de Spérandio & Bouju (1983) : à partir du moment où le participant s’engage dans une
exploration qui correspond à la structure, celle -ci est optimale. Ainsi la rapidité d’un type
d’exploration par rapport à un autre se déterminerait plutôt par une bonne adéquation entre la
structure et le type d’exploration.
Le but de l’expérimentation suivante (les expériences 2.1 et 2.2) est d’élargir et de tester le
principe de similitude sur la mise en œuvre d’un parcours de recherche particulier. Il s’agit de tester
l’idée selon laquelle pour optimiser la recherche, les participants s’engagent dans un parcours qui
consiste à inspecter les items formant un premier groupe perceptif (par exemple tous les mots écrits
en rouge italique) avant d’inspecter un second groupe perceptif (tous les mots écrits en noir). Cette
optimisation de la recherche renvoie à deux théories : d’une part à la théorie gestaltiste qui permet
de distinguer les groupes de mots, et d’autre part à la théorie de Treisman & Gelade (1980) et
Treisman & Sato (1990) sur la focalisation de l’attention. L’attention privilégierait l’inspection des
groupes de mots comportant un faible nombre de représentants (Poisson & Wilkinson, 1992, Shen,
Reingold & Pomplum, 2000). Dans les expériences suivantes (expérience 2.1 et 2.2.), nous créons
plusieurs groupes de mots en variant le nombre de mots qu’ils contiennent et les propriétés
perceptives qui permettent de les distinguer. Nous nous attendons à ce qu’une cible qui fait partie
d’un petit groupe perceptif (peu de représentants) soit détectée plus rapidement qu’une cible faisant
partie d’un plus grand groupe perceptif. Ainsi, la recherche, dans ce cas, s’effectue par la division
de la liste de mots en groupes perceptifs, et elle consiste alors à parcourir en premier lieu les
groupes qui ont peu d’instances avant de parcourir les plus grands groupes.
- 118 -
II.3. Expérimentation 2 : La distinction visuelle entre la cible et son contexte
II.3. Expérimentation 2 : La distinction visuelle
entre la cible et son contexte
II.3.1. Problématique : L’effet de la similitude entre la
cible et son contexte sur sa détection
Lorsque les participants ont une information à détecter, nous avons vu que l’organisation
perceptive de la scène visuelle oriente la prise d’information et a un effet sur la performance. Avec
cette expérimentation, nous avons voulu étudier l’effet de deux autres facteurs perceptifs : le
nombre d’objets qui ressemblent à la cible parce qu’ils partagent une même propriété visuelle avec
la cible et la nature de cette propriété perceptive.
Plusieurs études ont montré l’effet de la variation relative de la distribution des items dans
deux groupes perceptifs (section I.1.1.3.4.2) sur les temps de réponse (Poisson & Wilkinson, 1992),
mais aussi sur les mouvements oculaires (Shen, Reingold & Pomplum, 2000). Pour rappel, lors de
la détection d’une cible conjonctive (par exemple un X rouge), lorsque les deux types de stimuli
(dans ce cas, des X bleus et des O rouges) ne sont pas représentés en nombre équivalent dans le
contexte (par exemple 25 et 75%), les temps de réponse et le nombre de fixations associé sont plus
faibles que si ces deux types de stimuli sont présentés en nombre équivalent (50-50). En variant les
proportions, on constate que les temps de réponse augmentent lorsque les deux groupes de stimuli
visuels tendent vers l’équivalence en nombre. Enfin, le recueil des mouvements oculaires a montré
que les participants commencent leur recherche par el groupe de stimuli ayant le moins de
représentants. Ce parcours permet effectivement de détecter très rapidement la cible.
Toutefois ce parcours de recherche visuelle est guidé par la connaissance que les
participants ont de la cible à détecter. En effet, ils connaissent ses caractéristiques visuelles, mais
aussi celles des deux groupes de stimuli. De ce fait, si par exemple peu d’items de couleur rouge
figurent dans le contexte (de l’ordre de 25%), la détection d’un X de couleur rouge sera plus rapide
en commençant par le groupe de stimuli rouges que de commencer par le groupe des X qui sont
présents dans le contexte à hauteur de 75%. Il est important de noter que ces items sont disposés
aléatoirement dans le contexte, que les O de couleur rouge ne sont pas regroupés dans une zone
spatiale du contexte et les X de couleur bleue dans une autre zone. La question qui se pose alors est
- 119 -
de savoir comment les participants vont orienter leur recherche lorsqu’ils ne connaissent pas
l’apparence visuelle de la cible et celle des autres stimuli qui l’entourent.
Dans les études classiques de détection de cible, lorsque les participants connaissent
l’apparence de la cible, les connaissances Top Down (celle de la cible et celle des stimuli
environnants) coïncident avec le s données Bottom Up (les données venant de la scène visuelle). De
ce fait, le parcours de recherche est facile à mettre en place. Mais si la cible (par exemple
« merle ») est prédéfinie par sa catégorie sémantique super-ordonnée (par exemple « OISEAU »), et
que le contexte est constitué de mots d’une autre catégorie sémantique (par exemple des outils) tout
en présentant plusieurs attributs perceptifs (tels que la couleur, le soulignement et l’italique),
partagés ou non avec la cible, comment le participant va-t-il orienter sa recherche ? Dans ce cas là,
en terme de connaissances, le participant ne dispose que de la catégorie sémantique de départ de la
cible, et lorsque la scène qui comprend un ensemble de mots lui apparaît, il doit retrouver parmi cet
ensemble de mots une cible qui présente certaines propriétés perceptives. En variant le nombre des
stimuli qui portent certaines caractéristiques visuelles, et en variant le nombre de mots qui ont les
mêmes caractéristiques visuelles que la cible, nous étudions les modes de parcours de recherche
dans lesquels les participants s’engagent.
Plusieurs modes de parcours peuvent être mis en place lors de cette recherche visuelle. Un
premier mode est de parcourir la scène selon sa structure visuelle en terme d’agencement spatial
des mots les uns par rapport aux autres. Dans ce cas-là, les variations perceptives auront peu, sinon
aucun effet sur les performances de recherche. Un deuxième mode est le parcours des mots selon
les propriétés visuelles. En effet, les groupes perceptifs peuvent être considérés comme un indice
visuel pour détecter le plus rapidement possible la cible. Dans ce cadre là, deux types de parcours
contrastés peuvent être envisagés : soit les participants débutent par les groupes ayant le plus de
représentants et finissent par ceux qui ont le moins de représentants, soit ils débutent par les
groupes ayant le moins de représentants et finissent par ceux qui ont le plus de représentants.
Tenant compte des résultats obtenus par Poisson & Wilkinson (1992), par Shen, Reingold
& Pomplum (2000) sur la disproportion de groupes mais aussi du modèle proposé par Duncan &
Humphreys (1989), nous pouvons nous attendre à que les participants commencent l’inspection par
le groupe perceptif qui possède le plus faible nombre de stimuli. Si ce type de parcours est
effectivement celui qu’utilisent les participants, augmenter le nombre de mots qui présentent les
mêmes propriétés perceptives que la cible devrait diminuer les performances de détection
(augmentation des temps de réponse et du nombre de fixations associé).
- 120 -
Cette hypothèse est vérifiée dans les deux expériences qui suivent (sections II.3.2 et II.3.3).
La distinction entre les deux expériences réside dans le nombre de propriétés perceptives que nous
faisons varier simultanément. Dans la première expérience, trois propriétés perceptives varient au
sein d’une même présentation. Dans la seconde expérience, deux propriétés perceptives varient
mais non simultanément au sein d’une même présentation.
- 121 -
II.3.2. Expérience 2.1 : L’effet du nombre de mots qui ont
les mêmes caractéristiques visuelles que la cible
II.3.2.1. Hypothèses et prédictions
Cette expérience a été menée pour étudier l’effet du nombre de mots qui ont les mêmes attributs
perceptifs que la cible sur sa détection et de déterminer le type de parcours de recherche dans
lequel s’engagent les participants pour optimiser leur recherche.
Notre hypothèse générale est que les participants utilisent les attributs perceptifs pour
constituer des groupes perceptifs et détecter le plus justement et le plus rapidement une cible
pourtant définie par sa catégorie sémantique.
Dans cette expérience, le contexte environnant la cible est composé de mots
sémantiquement différents de la catégorie de la cible, habillés perceptivement d’une combinaison
de trois propriétés : la couleur (noire ou rouge), le soulignement (souligné ou non) et la mise en
forme (italique ou non). De la combinaison de ces trois propriétés, huit groupes perceptifs peuvent
être réalisés. Le nombre de mots relevant d’une de ces combinaisons au sein de la même
présentation peut être de 1, 4 ou 7, la cible faisant partie d’un de ces huit groupes. Ainsi, si les
participants basent leur parcours de recherche sur le nombre de mots présentant une combinaison
de propriété particulière, nous pouvons nous attendre à des différences de performances en fonction
du groupe de mots perceptifs auquel la cible appartient.
Suite aux résultats obtenus par Shen, Reingold & Pomplum (2000), nous nous attendons à
ce que les participants commencent par le groupe de mots ayant le moins de représentants et, ceci
avec l’objectif de répondre le plus rapidement possible à la tâche, ce qui sera le cas si la cible fait
partie d’un tel groupe. Nous supposons donc que l’augmentation du nombre de mots identiques
perceptivement à la cible engendre une augmentation des temps de réponse et du nombre de
fixations associées : lorsque la cible est la seule à présenter une combinaison de propriétés
particulière, elle devrait être détectée plus rapidement que si 3 mots présentent la même
combinaison de propriétés qu’elle ou que si 6 mots présentent cette même combinaison. De plus, si
3 mots dans la scène visuelle présentent la même combinaison perceptive que la cible, celle -ci
devrait être détectée plus rapidement que si 6 mots présentent la même combinaison que la cible.
- 122 -
II.3.2.2. Méthode
288 essais ont été construits. Chaque essai résulte de la combinaison d’un type de scène visuelle
(ensemble des mots à l’écran) et du nombre de mots dans cette scène qui ont les mêmes
caractéristiques visuelles que la cible.
Chaque scène visuelle comporte 32 mots dont la cible, répartis selon la structure HYBRIDE2
décrite dans l’expérience 1.1 (deux colonnes en haut, deux lignes au centre, deux colonnes en bas).
Le choix
d’utiliser cette structure plutôt qu’une autre provient des résultats obtenus dans
l’expérience 1.1. En effet, parmi toutes les structures testées dans l’expérience 1.1, c’est celle qui
engendre majoritairement une exploration par continuité. Nous connaissons ainsi le type
d’exploration dans lequel s’engage le participant. Les présentations visuelles se différencient par le
nombre de mots qui présentent une combinaison de propriétés particulière. Les propriétés
perceptives choisies relèvent de la couleur (noire ou rouge), de la mise en forme (italique ou non),
du soulignement (souligné ou non). Chaque mot présente une combinaison particulière de ces trois
propriétés perceptives. Les scènes visuelles construites sont décrites et illustrées dans le Tableau
13. Ces présentations se différencient par le nombre d’items (1, 4 ou 7) dans chacune des huit
combinaisons de propriétés. Ces huit combinaisons sont :
−
noire, non souligné, non italique
−
noire, non souligné, italique
−
noire, souligné, non italique
−
noire, souligné, italique
−
rouge, non souligné, non italique
−
rouge, non souligné, italique
−
rouge, souligné, non italique
−
rouge, souligné, italique
Chaque liste de mots comprend les huit groupes perceptifs et est construite en donnant à la cible un
contexte qui varie selon le nombre de mots dans chacun des huit groupes perceptifs.
- 123 -
COMBINAISONS DE PROPRIETES NOMBRE
ILLUSTRATION DES SCENES VISUELLES
SCENE VISUELLE A1
COULEUR
SOULIGNE
ITALIQUE
DE MOTS
Noire
Noire
Noire
Noire
Rouge
Rouge
Rouge
Rouge
Non
Non
Oui
Oui
Non
Non
Oui
Oui
Non
Oui
Non
Oui
Non
Oui
Non
Oui
4
4
4
4
4
4
7
1
SCENE VISUELLE A2
Noire
Noire
Noire
Noire
Rouge
Rouge
Rouge
Rouge
Noire
Noire
Noire
Noire
Rouge
Rouge
Rouge
Rouge
Noire
Noire
Noire
Noire
Rouge
Rouge
Rouge
Rouge
Non
Non
Oui
Oui
Non
Non
Oui
Oui
Non
Non
Oui
Oui
Non
Non
Oui
Oui
Non
Non
Oui
Oui
Non
Non
Oui
Oui
Non
Oui
Non
Oui
Non
Oui
Non
Oui
Non
Oui
Non
Oui
Non
Oui
Non
Oui
Non
Oui
Non
Oui
Non
Oui
Non
Oui
4
4
4
4
7
1
4
4
4
4
1
7
4
4
4
4
1
7
4
4
4
4
4
4
SCENE VISUELLE A3
SCENE VISUELLE A4
Tableau 13. Description et illustration des contextes de la cible utilisés lors de l’expérience 2.1.
Les 4 scènes visuelles construites sont appelées a1, a2, a3 et a4 :
−
Dans la scène visuelle a1, 7 mots ont la combinaison rouge, souligné, non italique et un
mot a la combinaison rouge, souligné, italique. Chacune des autres combinaisons est
portée par 4 mots.
−
Dans la scène visuelle a2, 7 mots ont la combinaison rouge, non souligné, non italique et
un mot a la combinaison rouge, non souligné, italique. Chacune des autres combinaisons
est portée par 4 mots.
- 124 -
−
Dans la scène visuelle a3, 7 mots ont la combinaison noire, souligné, italique et un mot a la
combinaison noire, souligné, non italique. Chacune des autres combinaisons est portée par
4 mots.
−
Dans la scène visuelle a4, 7 mots ont la combinaison noire, non souligné, italique et un
mot a la combinaison noire, non souligné, non italique. Chacune des autres combinaisons
est portée par 4 mots.
Pour chaque type de liste de mots, la cible présente l’une des 8 combinaisons de propriétés
perceptives décrites dans le Tableau 13 et nous obtenons trois conditions de recherche, définie par
le nombre de mots perceptivement semblables à la cible (0, 3 ou 6).
A chaque essai est associé une consigne où est donnée la catégorie de la cible à détecter :
par exemple « détecter un exemple d’oiseau »
Chacune des 8 combinaisons de propriétés perceptives portées par la cible est présentée 9 fois à
chaque participant. L’ordre de présentation des 72 essais par participant est aléatoire
Le plan expérimental de cette expérience se décompose en deux parties .
La première partie est S10 < A 4 > * C 2*I2*So2 ; où
−
S10 représente le nombre de participants par groupe expérimental,
−
A4 représente les quatre grands types de scènes visuelles (a1, a2, a3 et a4),
−
C2 représente la propriété couleur de la cible : elle est soit rouge soit noire
−
I2 représente la propriété italique de la cible : elle est soit italique soit non italique
−
So2 représente la propriété souligné de la cible : elle est soit non soulignée soit soulignée.
La deuxième partie du plan expérimental est S10<A4>*G3 où, G3 représente le nombre de
mots portant les mêmes caractéristiques visuelles que la cible dans la scène visuelle. Ce
nombre peut être : 0 (condition [0-STIM] ) ; 3 (condition [3-STIM]) ou 6 (condition [6STIM]).
Chaque participant est confronté à 9 essais sur 72 où la cible est en condition [0-STIM] et
en condition [6-STIM] et à 54 essais où la cible est en condition [3-STIM].
- 125 -
Du fait de ce plan, nous avons 4 groupes de participants indépendants. Chaque groupe
indépendant se caractérise par un type de scène visuelle. Chaque participant effectue 72 essais en
répondant à 72 consignes indicatrices.
A la fin de chaque passation, l’expérimentateur dispose de deux types de données : celles
qui sont relatives à l’entraînement et celles qui sont relatives à l’expérimentation. Pour la phase
d’entraînement, les fichiers oculaires comportent 10 segments et pour la phase expérimentale, les
fichiers oculaires comportent 72 segments. Chacun de ces segments oculaires correspond à
l’activité de recherche oculaire d’un participant lors d’un essai.
Selon le temps mis pour calibrer l'oculomètre, le temps de passation total est compris entre
20 minutes et une heure.
Six participants sont enlevés des analyses parce qu’ils ont eu un très faible taux de réussite
sur l’ensemble des essais. Nos analyses sont effectuées sur un total de 34 participants au lieu de 40.
II.3.2.2.3. L’équivalence des groupes expérimentaux
Pour vérifier l’équivalence des 4 groupes expérimentaux, nous comparons les résultats obtenus sur
les 6 derniers essais de la phase d’entraînement, ainsi que sur l’intégralité de la phase
expérimentale. Ces analyses (moyennes et analyses de variance), détaillées dans en
annexes (section A.2.2.a), nous indiquent qu’il n’y a pas de différence significative de
performances et de comportements oculaires entre ces 4 groupes expérimentaux.
Ainsi, nos quatre groupes indépendants sont équivalents du point de vue des performances
de détection, aussi bien avant que pendant la passation.
II.3.2.3. Résultats et interprétation
Pour rappel, nous supposons que le nombre d'items perceptivement similaires à la cible, à savoir
qui ont les mêmes propriétés perceptives, influence les performances et le comportement de
recherche oculaire. Plus précisément, nous nous attendons à ce que l’augmentation du nombre
d'items similaires engendre une augmentation des temps de réponse et du nombre de fixations.
écarts-types associés selon le nombre de mots qui présentent les mêmes caractéristiques visuelles
que la cible figurent dans le Tableau 14.
- 126 -
TAUX DE REUSSITE
TEMPS DE REPONSE
NOMBRE DE FIXATIONS
DISCRIMINATION PERCEPTIVE DE LA CIBLE
[0-STIM]
[3-STIM]
[6-STIM]
.911 .167 .929 .076 .961 .107
6,65 2,13 7,18 1,46 7,09 2,1
15,74 4,11 16,76 2,17 17,27 4,85
Tableau 14. Moyennes (en gras) et écarts-types associés (en italique) des taux de réussite, des temps de
réponse (en secondes) et du nombre de fixations en fonction du nombre de mots identiques perceptivement à
la cible (34 participants).
Le nombre de mots identiques à la cible a un effet significatif sur les taux de réussite
(F(2,60)=6,32 ; p<.01) et les temps de réponse (F(2,60)=3,1 ; p=.05). Plus particulièrement, les
conditions expérimentales de type [6-STIM] présentent un meilleur taux de réussite que les autres
conditions (F(1,30)=11,08 ; p<.01). En revanche, une cible isolée perceptivement (condition 0STIM) est détectée significativement plus rapidement que dans la condition [3-STIM]
(F(1,30)=5,81 ; p=.02). Le nombre de mots identiques à la cible a un effet sur le nombre de
fixations (F(2,60)=5,81 ; p<.01) : la détection d’une cible dans la condition [0-STIM] engendre
significativement moins de fixations que dans les deux autres conditions expérimentales
(F(1,30)=9,84 ; p<.01).
Nous obtenons partiellement les résultats attendus : une cible isolée perceptivement
(condition 0-STIM) engendre des temps de réponse et un nombre de fixations plus faibles que dans
les autres types de conditions expérimentales. Seulement, contrairement à ce que nous supposions,
les différences aussi bien au niveau des temps de réponse qu’au niveau du nombre de fixations ne
sont pas significatives entre détecter une cible dans les conditions [3-STIM] et [6-STIM]. Cette
absence de différence significative peut être due au fait que, pour détecter une cible dans la
condition expérimentale [3-STIM], il peut y avoir jusque six groupes à parcourir alors que pour
détecter une cible dans la condition expérimentale [6-STIM], il n’y a qu’un groupe à parcourir. De
plus, comme l’indique le Tableau 14, l’écart-type des moyennes des temps de réponse pour détecter
une cible dans une condition [6-STIM] est plus important que celui pour détecter une cible dans
une condition [3-STIM]. Pour la condition [6-STIM] les temps de réponse sont compris entre 4,28
et 9,45 secondes alors que pour la condition [3-STIM] ces temps sont compris entre 5,14 et 8,89
secondes. De ce fait, les moyennes sont plus dispersées dans la condition [6-STIM] que dans la
condition [3-STIM]. Cette disparité des temps de réponse autour de la moyenne peut provenir de la
mise en place de deux types de parcours de recherche :
−
Soit le parcours du groupe de 7 mots puis le parcours des autres groupes de quatre mots.
Dans ce cas là les temps de réponse pour détecter une cible dans la condition [6-STIM]
sont plus courts que pour la condition [3-STIM].
- 127 -
−
Soit le parcours des groupes de 4 mots puis le parcours du groupe de 7 mots. Dans ce cas
là, les temps de réponse pour détecter une cible dans la condition [3-STIM] seront plus
courts que pour la condition [6-STIM].
Pour trancher entre ces deux alternatives, une analyse supplémentaire a été conduite. Elle
consiste à diviser le protocole en deux selon la médiane de la condition [6-STIM] pour laquelle la
valeur du temps de réponse est de 6,94 secondes. Le choix d’analyser les temps de réponse en
fonction des temps de réponse observés sur [6-STIM] provient de la nécessité d’observer ce qui se
passe pour les participants qui répondent très rapidement à cette condition : les temps de réponse
sont-ils alors influencés par les conditions expérimentales ou non ? Il en est de même pour analyser
le comportement des participants qui répondent le plus lentement à cette détection. Ainsi, sont
comparées nos trois conditions expérimentales pour les protocoles situés en dessous de la médiane
dans la condition [6-STIM] et ceux situés au-dessus de la médiane pour la même condition
expérimentale.
Les moyennes des temps de réponse et écarts-types en fonction de la médiane sur la
condition [6-STIM] sont présentés dans le Tableau 15.
En dessous de la médiane
Au-dessus de la média ne
[0-STIM]
6,49 2,33
6,77 1,94
[3-STIM]
6,85 1,28
7,52 1,58
[6-STIM]
1,9
6,07
8,09 1,82
Tableau 15. Moyennes (en gras) et écarts-types (en italique) des temps de réponse en fonction de la
médiane pour la condition [6-STIM] et en fonction de la condition expérimentale.
Globalement, le Tableau 15 nous montre deux tendances en fonction du découpage
effectué. Pour les participants se situant en dessous de la médiane des temps de réponse pour la
condition [6-STIM], les moyennes nous indiquent qu’une cible est détectée plus rapidement dans la
condition [6-STIM] puis dans la condition [0-STIM] par rapport à la condition [3-STIM]. Le
nombre de mots identiques à la cible a un effet significatif sur les temps de réponse (F(2,26)=3,82 ;
p=.04). Plus particulièrement, la condition [6-STIM] engendre des temps de réponse
significativement plus courts que la condition [3-STIM] (F(1,13)=5,94 ; p=.03). Pour les
participants se situant au-dessus de la médiane des temps de réponse pour la condition [6-STIM],
nous observons que les temps de réponse augmentent avec l’augmentation du nombre de mots
identiques à la cible. L’effet de cette variable a un effet significatif sur les temps de réponse
(F(2,26)=6,71 ; p<.01). Plus particulièrement, la condition [6-STIM] engendre des temps de
réponse significativement plus longs que la condition [0-STIM] (F(1,13)=14,3 ; p<.01) et que la
condition [3-STIM] (F(1,13)=4,15 ; p=.06, marginalement significatif ).
- 128 -
Ces analyses nous indiquent que face à ce type de scène visuelle, les participants semble nt
s’engager dans deux parcours de recherche : soit le parcours du groupe de 7 mots puis le mot isolé
puis les groupes de 4 mots ; soit le parcours du mot isolé, puis des groupes de 4 mots et du groupe
de 7 mots.
Contrairement à ce que nous supposions, les temps de réponse n’augmentent pas avec
l’augmentation du nombre de mots identiques perceptivement à la cible. Ce résultat peut être dû à
plusieurs facteurs. D’une part, dans la condition [3-STIM] nous avons la possibilité entre six
groupes au sein d’une même liste. D’autre part, nous n’observons pas de parcours de recherche
systématique basée sur les indices perceptifs de la scène visuelle, ces indices étant le nombre de
représentants par groupe. Cette non-obtention de parcours systématique peut être due à deux
facteurs qui réduisent l’efficience de la recherche selon Duncan & Humphreys (1989) :
l’hétérogénéité du contexte (huit groupes perceptifs), la similarité entre la cible et les mots du
contexte. Chaque mot de la liste, cible ou non, partage au minimum une propriété avec quatre
groupes perceptifs, deux propriétés avec deux groupes perceptifs et trois propriétés avec un groupe
perceptif. Cette similarité aussi bien au niveau de la cible qu’au niveau des groupes ne facilite pas à
priori une distinction optimale des groupes, et, de ce fait, s’appuyer sur ces critères pour explorer la
scène visuelle paraît difficile. Néanmoins, les résultats nous indiquent que la similarité et le nombre
de groupes similaires que nous varions a un effet sur les performances, même si l’effet n’est pas
aussi important que prévu.
De plus, ces résultats nous indiquent que les conditions [0-STIM] et [3-STIM] sont celles
qui engendrent significativement moins de réussites que les conditions [6-STIM]. Ceci suggère que
les petits groupes ont peut être plus de probabilités d’être masqués par les grands groupes et, de ce
fait, de ne pas être parcourus car l’activation produite par le petit groupe n’est pas suffisante pour
que celui-ci soit inspecté par rapport aux plus grands groupes.
Afin de tester à nouveau cet effet du nombre de mots identiques à la cible, nous avons
mené une seconde expérience, dans laquelle la discrimination des groupes perceptifs de la scène
visuelle est facilitée : il n’y a que trois groupes perceptifs de mots et une seule propriété perceptive
est manipulée au sein d’une même scène visuelle (couleur ou italique). Dans cette seconde
expérience, la cible peut être de deux types : uniforme ou conjonctive.
- 129 -
II.3.3. Expérience 2.2 : Effet du type de propriétés
perceptives
II.3.3.1. Hypothèse et prédictions
II.3.3.1.1. Hypothèses
Avec l’expérience 2.1, nous avons observé que le nombre de mots identiques perceptivement à la
cible a certes un effet sur les performances de recherche mais que celui-ci n’est pas assez important
pour être caractérisé par un type de parcours particulier. Nous avons, par cette expérience 2.2,
amoindri la complexité perceptive.
Nous avons mené cette expérience pour étudier à nouveau l’effet du nombre de mots
perceptivement similaires à la cible sur deux pr opriétés : la couleur et la mise en forme. Cette
expérience nous permet dans un premier temps de voir si ces deux propriétés ont le même pouvoir
discriminant et de ce fait engendrent les mêmes performances. Le fait de ne retenir que ces deux
propriétés et de ne pas prendre en compte le soulignement, provient du fait que la couleur (tout
comme le soulignement) ne modifie pas la forme du mot, ce qui n’est pas le cas de l’italique. Ainsi
nous pouvons étudier l’effet de deux propriétés de nature différente sur les performances de
recherche. Dans cette expérience, les attributs de la cible sont soumis à la manipulation
expérimentale : la cible est soit uniforme (ne porte qu’un attribut d’une propriété), soit conjonctive
(porte les deux attributs présentée par le contexte). Du fait du modèle de Duncan & Humphreys
(1989) sur l’effet de la similarité sur la détection d’une cible, nous pouvons nous attendre à ce
qu’une cible conjonctive, lorsqu’elle porte un trait de commun avec chaque groupe perceptif, soit
détectée avec plus de difficultés que si elle ne partage qu’un trait en commun avec un seul des deux
groupes perceptifs (cas des cibles uniformes). En effet, lorsque la cible a en commun un trait avec
chaque groupe perceptif, nous sommes typiquement dans le cas de conjonction de traits qui
défavorise la détection.
Nous nous attendons à ce que les performances d’une cible uniforme (appartenant à un seul
groupe perceptif) dépendent du nombre de mots identiques à la cible ; nous pouvons également
nous attendre à ce que la détection d’une cible conjonctive soit dépendante de la proportion des
groupes de stimuli. Conformément aux résultats de Shen, Reingold & Pomplum (2000), nous nous
- 130 -
attendons également à ce que la détection d’une cible conjonctive soit moins efficiente lorsque le
contexte se rapproche de l’équivalence entre les groupes de stimuli.
Concernant l’efficience de la détection d’une cible uniforme, nous supposons que celle -ci
diminue avec l’augmentation du nombre de mots qui partagent le même attribut.
Dans cette expérience, nous avons donc varié le nombre de mots qui présentent les mêmes
attributs perceptifs que la cible, et ce, à la fois pour la propriété couleur et pour la propriété italique.
La scène visuelle ne contient que trois types de stimuli visuels : un groupe de stimuli qui porte un
attribut particulier (par exemple pour la propriété couleur : le noir et pour la propriété italique : le
non italique), un groupe de stimuli qui présente un autre attribut perceptif de la même propriété
perceptive (respectivement la couleur rouge ou la mise en forme italique) et un mot qui présente
une conjonction des deux attributs de la même propriété (pour la couleur : mi-noire mi-rouge :
couleur et pour la mise en forme : mi-non italique mi-italique : italique). La différence d’une
scène visuelle à l’autre réside d’une part dans le type de propriété manipulée : la couleur ou
l’italique, d’autre part dans la proportion d’un groupe de stimuli perceptifs par rapport l’autre (le
stimulus conjonctif étant toujours au nombre de un dans la scène visuelle). Cinq proportions sont
testées : 1-30 mots, 7-24 mots, 16-15 mots, 24-7 mots et 30-1 mots.
Quelle que soit la propriété manipulée, la couleur ou la mise en italique, nous nous attendons à ce
que la détection d’une cible uniforme soit plus rapide que la détection d’une cible conjonctive
(prédiction 1). Par ailleurs, nous nous attendons à obtenir une diminution des performances de
détection d’une cible conjonctive (baisse des taux de réussite et hausse des temps de réponse) au
fur et à mesure que les proportions des deux groupes de stimuli perceptifs tendent vers
l’équivalence. (prédiction 2).
Lorsque la propriété manipulée est la mise en italique, nous nous attendons à ce que
l’augmentation du nombre de mots non italiques dans la liste et la diminution du nombre de mots
italiques engendre une diminution des taux de réussite et une augmentation des temps de réponse
pour la détection d’une cible non italique (prédiction 3) et une augmentation des taux de réussite et
une diminution des temps de réponse pour la détection d’une cible italique (prédiction 4).
Lorsque la propriété manipulée est la couleur, nous nous attendons à ce que l’augmentation
du nombre d’items de couleur noire dans la scène visuelle et donc la diminution du nombre de mots
de couleur rouge engendre une diminution des taux de réussite et une augmentation des temps de
- 131 -
réponse pour la détection d’une cible de couleur noire (prédiction 5) et une augmentation des taux
de réussite et une diminution des temps de réponse pour la détection d’une cible de couleur rouge
(prédiction 6).
Avec le recueil des mouvements oculaires, toutes les augmentations de temps de réponse
observées devraient se caractériser par une augmentation du nombre de fixations.
II.3.3.2. Méthode
240 essais ont été construits. Chaque essai résulte du type de propriété perceptive, de la
combinaison des caractéristiques visuelles de la cible et de la scène visuelle.
Chaque scène visuelle ou liste contient 31 mots de couleur soit noire soit rouge, ou 31 mots
soit non italiques soit italiques. Le 32ème mot présente une conjonction de traits (mot conjonctif) : il
peut être soit mi-noir mi-rouge (rouge), soit mi-non-italique mi-italique (italique).
Pour chaque propriété (mise en forme ou couleur), cinq types de scènes visuelles sont
construits. Elles se différencient par le nombre de mots de couleur noire ou non italiques qu’elles
contiennent. Ce nombre est 1, 7, 16, 24 ou 30. Les autres mots présentent l’autre attribut de la
propriété manipulée : rouge ou italique. Ainsi, par exemple, si la scène visuelle contient 7 mots de
couleur noire et un mot conjonctif, elle contient également 24 mots de couleur rouge. Une
description visuelle de ces scènes visuelles ainsi que le codage associé sont présentés dans le
Tableau 16.
Pour chacune de ces scènes visuelles, la cible est pour la propriété couleur, soit noire, soit
rouge, soit conjonctive couleur (mi-noire mi-rouge) et pour la propriété mise en forme, soit non
italique, soit italique, soit conjonctive (mi-italique mi-non italique).
- 132 -
Scènes
PROPRIETE COULEUR
1 NOIR, 30 ROUGES, 1 MIXTE
PROPRIETE MISE EN FORME
1 NON ITALIQUE, 30 ITALIQUES, 1 MIXTE
7 NOIRS, 24 ROUGES, 1 MIXTE
7 NON ITALIQUES, 24 ITALIQUES, 1 MIXTE
16 NOIRS, 15 ROUGES , 1 MIXTE
24 NOIRS, 7 ROUGES, 1 MIXTE
30 NOIRS, 1 ROUGE, 1 MIXTE
30 NON ITALIQUES, 1 ITALIQUE, 1 MIXTE
[N1P30M1]
[N7P24M1]
N16P15M1]
[N24P7M1]
[N30P1M1]
Tableau 16. Description par type de propriété manipulée (couleur ou mise en forme) des 5 scènes visuelles
utilisées dans cette expérience.
A chaque essai est associé une consigne qui donne la catégorie de la cible que le participant
doit détecter : par exemple « détecter un exemple d’oiseau ».
- 133 -
Chaque combinaison type de scène visuelle (5 modalités à ce facteur) et type de cible (3 modalités
à ce facteur) pour un type de propriété perceptive (couleur ou italique) est présentée 8 fois à chaque
participant.
Le plan expérimental de cette expérience est S20 <G2> * P5 * A3 où,
−
S20 représente les participants,
−
G2 , représente le groupe auquel les participants ont été affectés (g1: groupe couleur, g2
groupe mise en forme),
−
P 5 représente les cinq types perceptifs de scènes visuelles ([N1P30M1], [N7P24M1],
[N16P15M1], [N24P7M1], [N30P1M1]),
−
A3 représente les caractéristiques perceptives de la cible (noir ou non italique, rouge ou
italique, conjonctive).
Du fait du plan expérimental, les participants ne sont confrontés qu’à un seul type de
propriété : la couleur ou la mise en forme et effectuent 120 essais.
Après chaque passation, l’expérimentateur obtient deux fichiers oculaires par participant,
ainsi que les réponses associées à chaque essai. Chaque fichier correspond aux temps de réponse et
aux données oculaires des participants, enregistrés lors de la phase d’entraînement et de la phase
expérimentale. Ces fichiers comportent 6 segments pour la phase d’entraînement, et 120 segments
pour la phase expérimentale.
En fonction de la difficulté de calibrage, la passation pouvait durer de 30 à 50 minutes.
II.3.3.2.3. L’équivalence des groupes expérimentaux
Afin de vérifier que nos deux groupes expérimentaux sont équivalents avant la passation
expérimentale, nous analysons les temps de réponse, le nombre de fixations, les temps moyens de
fixation et les amplitudes saccadiques sur chacun des essais de l'entraînement. Le détail de ces
analyses est présenté en annexes (section A.2.2.b). Pour résumer, ces analyses nous montrent que
nos deux groupes sont équivalents sur chacun des six essais de la phase de l’entraînement et ce sur
chaque variable dépendante prise en compte.
Pour le groupe rouge, deux participants ont dû être enlevés de la totalité des analyses. Pour
l’un des deux, des problèmes d’enregistrement des données ont eu lieu lors de la phase
expérimentale. Dans ce cas là, nous n’avons pu exploiter que la justesse de ses réponses. Quant au
- 134 -
second, il a obtenu un taux de réussite sur l’ensemble des 120 essais très faible par rapport à
l’ensemble des participants du même groupe.
Concernant l’analyse des temps de réponse et du nombre de fixations, quatre participants
supplémentaires (deux pour le groupe couleur et deux pour le groupe italique) ont été enlevés du
fait de la non-obtention d’un minimum d’une réussite par condition expérimentale.
Les analyses portent sur un corpus de 39 participants pour les taux de réussite (19 du groupe
rouge et 20 du groupe italique) et sur un corpus de 34 participants pour les temps de réponse et les
variables oculaires (16 pour le groupe rouge et 18 pour le groupe italique).
II.3.3.3. Résultats et interprétation
L’effet de la propriété perceptive est présenté en quatre parties. Dans une première partie, nous
présentons l’effet du type de propriété perceptive manipulée (rouge ou italique) sur les
performances. Ensuite, nous présentons l’effet du nombre de mots identiques à la cib le sur sa
détection lorsque la propriété manipulée est l’italique, puis lorsque la propriété manipulée est le
rouge. Et enfin, nous comparons l’effet de la propriété manipulée sur la détection d’une cible noire.
II.3.3.3.1. L’effet de la propriété perceptive
Les moyennes des taux de réussites, des temps de réponse, du nombre de fixations, des temps
moyens de fixation, des amplitudes saccadiques, ainsi que les écarts-types associés en fonction du
groupe de participants sont présentés dans le Tableau 17.
- 135 -
P ROPRIETE MANIPULEE
ROUGE
ITALIQUE
TAUX DE REUSSITE
NOMBRE DE FIXATION
TEMPS MOYENS DE FIXATION
AMPLITUDES SACCADIQUE
0,749
5,13
11,65
448
1,78
0,178
1,82
4,15
70
0,2
0,729
6,33
12,78
492
1,71
0,187
1,81
3,71
82
0,19
Tableau 17. Moyennes (en gras) et écarts-types (en italique) des taux de réussite (N=39), des temps de
réponse (en seconde), du nombre de fixations, des temps moyens de fixation et des amplitudes saccadiques
(N=34) en fonction de la propriété manipulée : couleur ou mise en italique.
Globalement le type de propriété perceptive n'a pas d'effet significatif sur les taux de
réussite (F(1,37)=0,41 ; p=.53, ns). En revanche, le groupe couleur détecte la cible avec des temps
de réponse significativement plus courts que le groupe italique (F(1,32)=24,23; p<.01). Ce temps
de réponse plus court se traduit à la fois par un nombre de fixations plus faible (F(1,32)=7,92;
p<.01) et par un temps moyen de fixation plus court (F(1,32)=5,13 p=.03). Le groupe perceptif n'a
pas d'effet significatif sur les amplitudes saccadiques (F(1,32)=3,56; p=.07, ns).
Ces premiers résultats nous indiquent que la détection d'une cible est plus rapide dans un
contexte de mots écrits en rouge que dans un contexte de mots écrits en italique. Cette rapidité de
réponse se traduit à la fois par un nombre de fixations plus faible et un temps moyen de fixation
plus court. Ainsi, une liste constituée de mots italiques engendrerait des difficultés de traitement
qui se manifestent par un temps moyen de fixation plus important.
De ce fait, les analyses sur la discrimination visuelle de la cible par rapport à son contexte
lexical sont effectuées séparément pour chaque groupe.
II.3.3.3.2. L’effet des caractéristiques visuelles pour la propriété « Italique »
Les moyennes des taux de réussite, des temps de réponse, du nombre de fixations et les écarts-types
associés en fonction du nombre de mots italiques dans la scène visuelle et des caractéristiques
visuelles de la cible figurent dans le Tableau 18. L’intégralité des comparaisons planifiées
effectuées est présentée en annexes (section A3.3.a).
- 136 -
CIBLE
CIBLE
CIBLE
[N1P30M1]
non italique
italique
conjonctive
Total
.769
.663
.656
.709
.204
.236
.166
.208
non italique
italique
conjonctive
Total
5,64
6,96
6,92
6,51
1.43
1.55
1.85
1.7
non italique
italique
conjonctive
Total
11,47
14,26
14,06
13,26
3.23
2.68
2.94
3.17
TYPE VISUEL DE LA SCENE VISUELLE
[N7P24M1] [N16P15M1] [N24P7M1]
NOMBRE DE REUSSITE
.788 .158 .756 .22 .775 .218
.675 .174 .694 .188 .794 .188
.819 .179 .769 .169 .756 .179
.76 .179 .74 .193 .734 .198
5,05 1.17 5,20 2.27 5,28 1.68
6,52 1.89 6,39 1.15 6,28 1.37
7.09 1.6 6,54 1.27 7,39 1.38
6,22 1.78 6,04 1.72 6,32 1.7
NOMBRE DE FIXATIONS
9,41 3.27 9,90 4.71 10,68 3.53
13.15 2.61 14.04 1.9 12.11 1.99
14,92 3.66 12,85 2.8 15,19 2.79
12,49 3.91 12,26 3.73 12,66 3.37
[N30P1M1]
Total
.644
.706
.794
.715
.124
.159
.154
.156
.746
.681
.759
.191
.188
.175
5,18
6,88
7,57
6,54
2.15
1.87
1.73
2.15
5.27
6.6
7,10
1.58
1.59
1.59
10.19
13.65
15,78
13,21
4.49 10,33 3.87
2.78 13,44 2.49
3.65 14,56 3.28
4.32
Tableau 18. Moyennes (en gras) et écarts-types associés (en italique) de taux de réussite, des temps de
réponse (en secondes) et du nombre de fixations en fonction des caractéristiques visuelles de la cible et de la
scène visuelle pour le groupe italique.
II.3.3.3.2.1. L’effet des caractéristiques de la cible
Nous nous attendions à ce qu’une cible uniforme soit détectée plus rapidement et avec un nombre
de fixations plus réduit qu’une cible conjonctive, qu’elle soit italique ou non (prédiction 1).
La mise en forme de la cible a un effet significatif sur les taux de réussite (F(2,38)=6,72;
p<.01) : une cible italique est détectée avec des taux de réussite inférieurs à une cible non italique
(F(1,19)=5,75; p=.03) et une cible conjonctive (F(1,19)=14,05 ; p<.01). Par ailleurs, cette mise en
forme de la cible a également un effet sur les temps de réponse (F(2,34)=17,21 ; p<.01) : une cible
non italique est détectée significativement plus rapidement qu’une cible italique (F(1,17)=22,92
p<.01) et qu’une cible conjonctive (F(1,17)=23,77 ; p<.01). Toutes ces différences de temps de
réponse se traduisent par une différence significative du nombre de fixations : un temps de réponse
plus court se traduit par un nombre de fixations significativement plus faible (détails des analyses
en annexes).
Nous n’observons que partiellement les résultats attendus : la détection d’une cible
conjonctive est plus difficile que la détection d’une cible uniquement non italique. Par ailleurs, il
apparaît que la détection d’une cible italique est plus difficile que la détection d’une cible non
italique.
- 137 -
II.3.3.3.2.2. L’effet des caractéristiques de la scène visuelle
Le nombre d'items non italiques présents dans la scène visuelle a un effet marginalement
significatif sur les taux de réussites (F(4,76)=2,33; p=.064, marginalement significatif ) : une cible
dans un contexte de type [N7P24M1] est identifiée avec significativement plus de réussites que
dans un contexte de type [N1P30M1] et de type [N30P1M1] (F(1,19)=12,80; p<.01).
Nous n’observons pas d'effet significatif du nombre d'items italiques dans la scène visuelle
sur les temps de réponse (F(4,68)=1,57 ; p=.19, ns) et sur le nombre de fixations (F(4,68)=1,25 ;
p=.3, ns).
II.3.3.3.2.3. La discrimination visuelle de la cible
Rappelons que nous nous attendions à ce que l’augmentation du nombre d’items non italiques
engendre une diminution des taux de réussites et une augmentation des temps de réponse pour
identifier une cible non italique (prédiction 3). De même, nous nous attendions à ce que cette
augmentation du nombre d’items non italiques engendre une augmentation des taux de réussite et
une diminution des temps de réponse dans la détection d’une cible italique (prédiction 4). Par
ailleurs, nous nous attendions à ce qu’une cible conjonctive soit détectée plus rapidement lorsque le
contexte contient les deux groupes de stimuli de façon disproportionnée que dans des proportions
équivalentes (prédiction 2). Toutes ces augmentations de temps de réponse devraient se traduire par
une augmentation du nombre de fixations.
L’interaction nombre d’items italiques dans la scène visuelle et caractéristiques visuelles de
la cible a un effet significatif sur les taux de réussite (F(8,152)=2,51 ; p=.01) et sur le nombre de
fixations (F(8,136)=2,43 ; p=.02). En revanche, cette interaction n’a pas d’effet significatif sur les
temps de réponse (F(8,136)=0,73 ; p=.66, ns). De ce fait, nous présentons l’effet du nombre
d’items non italiques dans la scène visuelle en fonction des caractéristiques visuelles de la cible.
- 138 -
1,0
0,9
0,8
Taux de réussites
0,7
0,6
0,5
Cible non italique
Cible italique
Cible conjonctive
0,4
0,3
0,2
0,1
0,0
[N1P30M1]
[N7P24M1]
[N16P15M1]
[N24P7M1]
[N30P1M1]
Type perceptif du contexte
Figure 45. Taux de réussite
Cible non italique
Cible italique
Cible conjonctive
8,0
16
7,5
15
7,0
6,5
Nombre de fixations
Temps de réponse (secondes)
Cible non italique
Cible italique
Cible conjonctive
17
6,0
5,5
5,0
4,5
14
13
12
11
4,0
10
3,5
9
3,0
8
[N1P30M1]
[N7P24M1]
[N16P15M1]
[N24P7M1]
[N30P1M1]
[N1P30M1]
[N7P24M1]
[N16P15M1]
[N24P7M1]
[N30P1M1]
Figure 46. Temps de réponse (secondes)
Figure 47. Nombre de fixations
Moyennes et erreurs-types des taux de réussite (Figure 45), des temps de réponse (Figure 46) et du nombre
de fixations (Figure 47) selon la mise en forme de la cible et selon le nombre de mots non italiques dans la
scène visuelle.
II.3.3.3.2.3.1. Pour une cible non italique
Le nombre d'items non italiques dans la scène visuelle a un effet significatif sur les taux de réussite
dans la détection d'une cible non italique (F(4,76)=3,05; p=.02). Comme l’indique la Figure 45,
une scène visuelle comportant 30 mots non italiques ([N30P1M1]) engendre un taux de réussite
significativement plus faible par rapport aux autres scènes visuelles (détails des comparaisons
planifiées en annexes). Par ailleurs, l’augmentation du nombre de mots non italiques n’a d’effet
significatif ni sur les temps de réponse (Figure 46, F(4,68)<1, ns) ni sur le nombre de fixations
(Figure 47, F(4,68)<1, ns).
- 139 -
II.3.3.3.2.3.2. Pour une cible italique
Le nombre de mots italiques dans la scène visuelle n’a pas d’effet significatif sur les taux de
réussite (Figure 45, F(4,76)=0,3 ; p=.88, ns), sur les temps de réponse (Figure 46, F(4,68)=1,07 ;
p=.38, ns) et sur le nombre de fixations (Figure 47, F(4,68)=2,21; p=.08, ns).
II.3.3.3.2.3.3. Pour une cible conjonctive
Le nombre de mots italiques dans la scène visuelle a un effet significatif sur les taux de réussite
pour détecter une cible conjonctive (F(4,76)=4,48 ; p<.01). Comme l'indique la Figure 45, une
scène visuelle comportant 1 mot non italique ([N1P30M1]) engendre un taux de réussite
significativement plus faible que les autres types de scènes visuelles (détails des comparaisons
planifiées en annexes). Le nombre de mots italiques n'a pas d'effet significatif sur les temps de
réponse pour détecter une cible conjonctive (Figure 46, F(4,68)=1,91; p=.12, ns). En revanche, ce
nombre de mots italiques a un effet significatif sur le nombre de fixations (Figure 47,
F(4,68)=3,66; p<.01) : un contexte [N16P15M1] engendre significativement moins de fixations
que les contextes [N7P24M1], [N24P7M1] et [N30P1M1] (détails des comparaisons planifiées en
annexes).
Contrairement à ce que l’on attendait, une cible italique est détectée moins facilement
qu’une cible non italique. De plus, l’augmentation du nombre de mots non italiques n’a pas d’effet
sur les performances de détection d’une cible non italique ou d’une cible italique. Ces premiers
résultats nous suggèrent que la mise en forme et en particulier ici, l'italique ne permet pas d'obtenir
une discrimination visuelle dans les conditions attendues.
II.3.3.3.3. L’effet des caractéristiques visuelles pour la propriété « couleur »
Les moyennes des taux de réussite, des temps de réponse et du nombre de fixations ainsi que les
écarts-types associés en fonction du nombre de mots de couleur noire et de la couleur de la cible
figurent dans le Tableau 19. Le détail des comparaisons planifiées est exposé en annexes (section
A.3.3.b) .
- 140 -
CIBLE
CIBLE
CIBLE
[N1P30M1]
noire
rouge
conjonctive
Total
.835
.625
.704
.721
.111
.311
.104
.215
noire
rouge
conjonctive
Total
3,76
7,52
4,87
1,32
1,66
1,85
noire
rouge
conjonctive
Total
TYPE VISUEL DE LA SCENE VISUELLE
[N7P24M1] [N16P15M1] [N24P7M1] [N30P1M1]
NOMBRE DE REUSSITES
.776 .089 .698 .179 .724 .154 .573 .113
.593 .19 .691 .179 .764 .124 .809 .128
.889 .093 .849 .115 .855 .126 .849 .123
.753 .179 .745 .174 .781 .144 .744 .171
4,64 1,46 4,75 1,40 5,14 1,70 5,46 2,18
6,58 1,28 6,02 1,95 5,56 1,31 3,86 1,65
5,50 1,46 7,18 2,33 5,79 1,42 3,32 0,93
Total
.721
.696
.829
.158
.211
.128
4.75
5.91
5.33
1,70
1.97
2.06
NOMBRE DE FIXATIONS
7,60 2,30 9,60 3,12 10,09 3,46 11,87 4,82 10,91 3,92 10.01 3.20
15,94 3,04 15,71 3,77 12,50 3,09 12,64 2,94 8,16 2,94 12.99 4.20
9,82 2,36 12,71 3,12 15,42 3,75 12,80 3,16 8,19 2,48 11.79 3.89
Tableau 19. Moyennes (en gras) et écarts-types (en italique) des taux de réussite (N=19), des temps de
réponse (en secondes) et du nombre de fixations selon les caractéristiques visuelles de la cible et selon les
caractéristiques visuelles de la scène visuelle pour le groupe rouge (N=16 participants).
II.3.3.3.3.1. L’effet des caractéristiques de la cible
Nous nous attendions à ce qu’une cible uniforme soit détectée avec des temps de réponse plus
courts qu’une cible conjonctive qu’elle soit de couleur noire ou de couleur rouge (prédiction 1).
La couleur de la cible a un effet significatif sur les taux de réussite (F(2,36)=14,36 ; p<.01)
et sur les temps de réponse (F(2,30)=8,27 ; p<.01). Une cible conjonctive est identifiée avec
significativement plus de réussites qu'une cible de couleur noire ou une cible de couleur rouge
(F(1,18)=30,20; p<.01). En revanche, une cible de couleur rouge est identifiée significativement
plus lentement que les deux autres types de cible (F(1,15)= 21,18 ; p<.01). La couleur de la cible a
également un effet significatif sur le nombre de fixations (F(2,30)=10,63; p<.01) : une cible noire
est détectée avec significativement moins de fixations que les deux autres types de cible
(F(1,15)=13,4; p<.01) et une cible conjonctive est détectée avec significativement moins de
fixations qu'une cible rouge (F(1,15)=5,11 ; p=.04).
Contrairement à nos attentes, une cible conjonctive n’est pas détectée avec plus de
difficulté qu’une cible uniforme. Au contraire, il apparaît que la détection d’une cible conjonctive
est plus facile que la détection d’une cible de couleur rouge.
- 141 -
II.3.3.3.3.2. L’effet des caractéristiques de la scène visuelle
Le nombre de mots de couleur noire dans la scène visuelle n'a pas d'effet significatif sur les taux de
réussite (F(4,72)=1,48; p=.22, ns). En revanche, le nombre de mots de couleur noire présents dans
la scène visuelle a un effet significatif sur les temps de réponse (F(4,60)=10,75 ; p<.01) et le
nombre de fixations (F(4,60)=15,92; p<.01) : une cible est détectée significativement plus
rapidement dans une scène comportant 30 mots de couleur noire [N30P1M1] par rapport aux autres
contextes visuels (détails des comparaisons planifiées en annexes). Ce temps de réponse plus court
pour la scène [N30P1M1] se traduit par un plus faible nombre de fixations (détails des
comparaisons planifiées en annexes). De plus une scène visuelle du type [N1P30M1] engendre
significativement moins de fixations que les scènes visuelles [N7P24M1], [N16P15M1] et
[N24P7M1].
II.3.3.3.3.3. La discrimination visuelle de la cible
Rappelons que nous nous attendions à ce que l’augmentation du nombre de mots de couleur noire
engendre une diminution des taux de réussite et une augmentation des temps de réponse pour
détecter une cible de couleur noire (prédiction 5). De même, cette augmentation du nombre de mots
de couleur noire devrait engendrer une augmentation des taux de réussite et une diminution des
temps de réponse pour détecter une cible de couleur rouge (prédiction 6). Par ailleurs, nous nous
attendions à ce qu’une scène visuelle présentant les deux types de mots en nombre équivalent
engendre des taux de réussite plus faibles et des temps de réponse plus importants par rapport à la
non-équivalence de ces deux groupes pour détecter une cible conjonctive (prédiction 2).
- 142 -
cible noire
cible rouge
cible conjonctive
Taux de réussite
1,0
0,8
0,6
0,4
[N1P30M1]
[N7P24M1]
[N16P15M1]
[N24P7M1]
[N30P1M1]
Figure 48. Taux de réussite (N=19).
cible noire
cible rouge
cible conjonctive
cible noire
cible rouge
cible conjonctive
18
17
16
7
15
Nombre de fixations
8
6
5
4
3
14
13
12
11
10
9
8
7
6
5
4
2
[N1P30M1]
[N7P24M1]
[N16P15M1]
[N24P7M1]
[N1P30M1]
[N30P1M1]
[N7P24M1]
[N16P15M1]
[N24P7M1]
[N30P1M1]
Figure 49. Temps de réponse (secondes) (N=16).
Figure 50. Nombre de fixations (N=16).
Moyennes et erreurs type des taux de réussites (Figure 48), des temps de réponse (Figure 49) et du nombre de
fixations (Figure 50) selon la couleur de la cible et selon le nombre de mots de couleur noire dans la scène
visuelle.
L’interaction des facteurs nombre de mots de couleur noire et caractéristique visuelle de la
cible a un effet significatif sur les taux de réussite (F(8,144)=12,03 ; p<.01), les temps de réponse
(F(8,120)=16,65 ; p<.01) et le nombre de fixations (F(8,120)=11,66 ; p<.01). De ce fait l’effet du
nombre d’items noirs dans la scène visuelle est présenté en fonction de la couleur de la cible.
II.3.3.3.3.3.1. Pour une cible de couleur noire
Globalement, l’augmentation du nombre de mots de couleur noire dans la scène visuelle engendre
une diminution significative des taux de réussite (Figure 48, F(4,72)=15,29; p<.01, détails des
comparaisons planifiées en annexes). Le nombre de mots de couleur noire dans la scène visuelle a
- 143 -
un effet significatif sur les temps de réponse pour détecter une cible de couleur noire (Figure 49,
F(4,60)=3,15 ; p=.02) : une scène visuelle comportant un seul mot de couleur noire (en
l’occurrence la cible) permet de la détecter significativement plus rapidement que les autres types
de scène visuelle (détails des comparaisons planifiées en annexes). Ces temps de réponse plus
courts pour une scène [N1P30M1] se traduisent par un plus faible nombre de fixations (Figure 50,
F(4,60)=3,78 ; p<.01, détails des comparaisons planifiées en annexes).
II.3.3.3.3.3.2. Pour une cible de couleur rouge
Le nombre de mots de couleur noire dans la scène visuelle a un effet significatif sur les taux de
réussite (Figure 48, F(4,72)=5,84; p<.01) et les temps de réponse (Figure 49, F(4,60)=16,57 ;
p<.01). Globalement, l'augmentation du nombre de mots de couleur noire dans la scène visuelle (et
donc la diminution du nombre de mots de couleur rouge) engendre une augmentation des taux de
réussite et une diminution des temps de réponse (détails des comparaisons planifiées en annexes).
Cette rapidité de réponse se traduit par un plus faible nombre de fixations (Figure 50,
II.3.3.3.3.3.3. Pour une cible conjonctive
Le nombre de mots de couleur noire dans la scène visuelle a un effet significatif sur les taux de
réussite (Figure 48, F(4,72)=7,60 ; p<.01) : une scène contenant un item de couleur noire
[N1P30M1] engendre significativement moins de réussites que les autres scènes (détails des
comparaisons planifiées en annexes). Le nombre de mots de couleur noire a un effet significatif sur
les temps de réponse (F(4,60)=14,82 ; p<.01). Comme l’indique la Figure 49, plus la scène
visuelle atteint l’équivalence en nombre des deux types de couleur et plus les temps de réponse
augmentent (détails des comparaisons planifiées en annexes). Cette augmentation des temps de
réponse se traduit par une augmentation significative du nombre de fixations (Figure 50,
Pour résumer ces résultats, contrairement à ce qu’on attendait une cible rouge est détectée
plus lentement qu’une cible noire ou conjonctive. En revanche, comme attendu, l’augmentation du
nombre de mots de couleur noire engendre une diminution des taux de réussite et une augmentation
des temps de réponse pour détecter une cible noire ainsi qu’une augmentation des taux de réussite
et une diminution des temps de réponse pour détecter une cible rouge. Et enfin, la détection d’une
cible conjonctive est facilitée lorsque la scène visuelle présente les deux groupes de mots dans des
proportions non équivalentes que lorsque ceux-ci sont présents dans des proportions équivalentes.
- 144 -
En conclusion, une scène visuelle fondée sur la couleur (rouge et noire, en l’occurrence ici)
peut permettre une discrimination de la cible. Cette discrimination diminue avec l’augmentation du
nombre de mots identiques perceptivement à la cible (cas des cibles uniformes) ou en présentant un
contexte de plus en plus homogène du point de vue de la proportionnalité des deux groupes d’items
(cibles conjonctives). Ainsi plus la cible ressemble au contexte et plus son identification sera
perturbée.
Cette expérience nous indique que tous les attributs d’une même propriété ne sont pas équivalents :
une cible de couleur noire qui est détectée plus facilement qu’une cible de couleur rouge ou une
cible non italique qui est détectée plus facilement qu’une cible italique. En revanche, contrairement
aux résultats obtenus par Treisman & Gormican (1988), l’attribut qui perturbe la détection d’une
cible est plutôt non typique de sa dimension : il est plus courant de rencontrer un texte écrit de
couleur noire que de couleur rouge, de même il est plus courant que ce texte ne soit pas en italique.
Or Treisman & Gormican (1988) avaient observé qu’une cible présentant un attribut perceptif non
typique (déviant : le rouge pour la couleur et l’italique pour la mise en forme) est détectée plus
rapidement qu'une cible présentant un attribut perceptif typique (standard : le noir pour la couleur
ou le non italique pour la mise en forme). Notre résultat s’apparente à celui observé par Marendaz,
Stivalet & Genon (1991) : une ligne oblique est détectée moins rapidement qu’une ligne verticale
ou qu’une ligne horizontale. Ce résultat conforte néanmoins l'hypothèse selon laquelle les attributs
perceptifs d'une même catégorie ne sont pas équivalents du point de vue de la détection d'une cible.
Cependant les résultats obtenus ici nous suggèrent qu'un attribut perceptif non typique engendre
des difficultés d'identific ation des mots. Pour étayer cette hypothèse, la comparaison des deux
groupes indépendants sur les temps moyens de fixation nous indique que ce temps est plus long
lorsque la propriété manipulée est l'italique que lorsqu'il s'agit de la couleur.
Un deuxième résultat venant renforcer ce résultat de la non-équivalence des propriétés
concerne l'effet de la discrimination visuelle de la cible : la variation du nombre de mots identiques
perceptivement à la cible a un effet sur les performances lorsque la proprié té manipulée est la
couleur mais pas lorsqu'il s'agit de la mise en forme par l'italique. En effet, alors que la diminution
du nombre de mots identiques à la cible facilite sa détection lorsque la propriété manipulée est la
couleur, il n’est pas de même pour la propriété italique. Que la cible soit italique ou non, la
diminution du nombre de mots identiques perceptivement à la cible ne favorise pas sa détection.
Ceci nous permet de conclure que la mise en italique n’est pas une propriété qui permet une bonne
discrimination visuelle des groupes perceptifs. Et pourtant l’italique tel qu’il a été varié ici est
- 145 -
oblique par rapport à la verticale de 25 degrés, ce qui est supérieur à la différence de 18 degrés
permettant selon Marendaz, Stivalet & Genon (1991) à une ligne oblique de se différencier des
lignes horizontales ou verticales, et de ce fait d’obtenir un pop out de cette ligne oblique.
En ce qui concerne les cibles conjonctives (mi-rouge mi-noire ou mi-italique mi-nonitalique), l’effet de la disproportion des groupes perceptifs dépend également du type de propriété.
Ainsi, lorsque la cible est mi-rouge mi-noire nous retrouvons le type de résultats obtenus par
Poisson & Wilkinson (1992) : les temps de réponse diminuent avec la diminution de l’équivalence
en nombre des deux groupes de mots présents dans la scène visuelle. En revanche, pour la propriété
italique, une scène ayant deux groupes visuels équivalents en nombre favorise une recherche plus
rapide qu’une scène contenant 75 ou presque 100% de mots italiques.
Ainsi, la différence entre les deux types de propriétés s’observe à deux niveaux : d’une
part, pour détecter une cible uniforme, le nombre de mots identiques à la cible n’a pas d’effet sur
les performances de recherche lorsque la propriété manipulée est l’italique alors qu’il a l’effet
attendu pour la propriété couleur. D’autre part, pour détecter une cible conjonctive, l’effet de la
proportion du premier groupe perceptif de mots par rapport au second groupe diffère également
selon la propriété envisagée.
- 146 -
II.3.4. Discussion générale de l’expérimentation 2
Que nous suggèrent ces deux expériences sur l’effet du nombre de mots dans la scène visuelle
présentant les mêmes propriétés perceptives que la cible lors d’une tâche de détection de mots
définis par leur catégorie super-ordonnée ?
Il est important de rappeler que pour ces deux expériences les participants ne connaissent
pas l’apparence visuelle de la cible. C’est-à-dire que les participants ne connaissent ni
l’orthographe du mot, ni les propriétés visuelles telles que la couleur, la mise en forme qu’il
présente. Le but de ces expériences est de savoir si les participants s’appuient sur les propriétés
visuelles de la scène visuelle pour mettre en œuvre un parcours de recherche et de voir si ces
propriétés visuelles induisent un certain comportement de recherche.
Les résultats dans ces expériences nous indiquent d’une part, que l’efficience de la
recherche dépend de plusieurs critères : le type de propriété manipulée (différence entre mise en
forme italique et couleur), la distinction des groupes perceptifs et certainement le nombre de
groupes perceptifs dans le contexte.
Concernant le type de propriété manipulée, deux types de résultats sont à retenir. D’une
part, les propriétés perceptives ne sont pas équivalentes du point de vue de la facilité de détection
de la cible. Ceci s’observe à deux niveaux : au niveau de la propriété elle -même comme la couleur
et la mise en forme où nous n’obtenons pas les mêmes performances selon la propriété considérée,
et au niveau des attributs pour chaque propriété : par exemple toutes les couleurs ne sont pas
équivalentes du point de vue de la détection de la cible. On se retrouve donc dans un cas similaire
aux situations d’asymétrie étudiées par Treisman & Gormican (1988). Il semble donc que certains
attributs perceptifs (tels que la mise en italique) ont un impact sur la reconnaissance des mots, et
que d’autres attributs perceptifs facilitent plus la détection de la cible que d’autres pour la même
propriété : les mots en noir sont détectés plus rapidement que les mots en rouge.
Les résultats nous indiquent d’autre part que, selon la propriété manipulée, les propriétés
visuelles de la scène visuelle peuvent faciliter ou non la détection d’une cible. Ainsi lorsqu’elle
contient deux groupes perceptifs de mots dans des proportions non équivalentes et que la cible fait
partie du groupe perceptif ayant le moins de représentants, elle sera détectée plus rapidement que si
elle fait partie du groupe perceptif ayant le plus de représentants. Ce résultat suggère que pour
détecter la cible, les participants commencent par inspecter le groupe de stimuli ayant le moins de
représentants même lorsque ceux-ci ne connaissent pas l’apparence visuelle de la cible. Lorsque la
- 147 -
cible est conjonctive c’est à dire qu’elle présente une combinaison des deux attributs de la propriété
présentée par les mots de la liste, les temps de réponse augmentent lorsque les proportions des deux
groupes de stimuli tendent vers l’équivalence. Or ces résultats sont observés uniquement lorsque la
propriété manipulée est la couleur. En effet, lorsque la propriété manipulée est la mise en italique,
la variation du nombre de représentants des deux groupes de stimuli n’a pas d’effet sur les temps de
réponse pour détecter une cible uniforme ou une cible conjonctive.
Les résultats obtenus lorsque la propriété perceptive est la couleur rappellent les résultats
de Shen, Reingold & Pomplum (2000) et de Poisson & Wilkinson (1992) sur l’effet de la
proportion des groupes de stimuli : lors de la détection d’une cible conjonctive, les temps de
réponse augmentent lorsque les distributions des deux groupes de stimuli tendent vers
l’équivalence. Ces résultats suggèrent que lors de la détection d’une cible conjonctive non connue,
cet item conjonctif est l’item qui est inspecté ou localisé après les items faisant partie du groupe
ayant le moins de représentants.
Concernant la distinction entre les groupes de mots perceptifs, les résultats nous suggèrent
que moins cette distinction est possible et la détection de la cible sur ces critères sera plus difficile.
Cette difficulté de distinction pourrait être responsable des résultats observés lorsque la propriété
manipulée est la mise en italique dans l’expérience 2.2. Ainsi si les participants ne peuvent
distinguer les deux groupes visuels de mots, ils ne pourront pas s’appuyer sur cette distinction pour
mettre en oeuvre un parcours de recherche basé sur les propriétés perceptives de la scène visuelle.
Un autre point peut également rendre difficile la distinction entre les groupes de la scène visuelle :
il s’agit du nombre de propriétés partagées entre les groupes. Les résultats de l’expérience 2.1 nous
indiquent que l’effet du nombre de mots dans le contexte qui présentent les mêmes propriétés
visuelles que la cible (une combinaison de trois propriétés perceptives) n’est pas stable. En effet, il
semblerait que la similarité visuelle des groupes perceptifs de la scène visuelle ne permet pas aux
participants de les distinguer et de mettre en place un parcours de recherche en fonction du nombre
de mots présents dans chaque groupe expérimental. Ainsi, ces résultats rejoignent ceux de Duncan
& Humphreys (1989) sur l’effet de la similarité sur la détection de la cible. Selon ces auteurs la
similarité ni ter-groupes facilite la détection de la cible à condition que la cible se distingue
visuellement des items du contexte. Dans notre expérience, la similarité intergroupe devrait certes
faciliter la distinction de la cible, or la cible est également très similaire aux groupes perceptifs.
Cette analyse du matériel expérimental nous permet donc de supposer que la non-obtention de
l’effet attendu de l’augmentation du nombre de mots identiques perceptivement à la cible (une
augmentation des temps de réponse) est due principalement à la similarité visuelle mot-cible et
mots du contexte. En effet, toutes conditions expérimentales confondues, la cible peut présenter
- 148 -
une à trois propriétés perceptives communes avec chacun des huit groupes du contexte. Cette
similarité aussi bien cible - mots du contexte que mots du contexte entre eux a pu engendrer une
difficulté dans la distinction des groupes ne permettant pas ainsi la mise en place d’un parcours de
recherche stable sur ce critère visuel.
Concernant le nombre de groupes perceptifs, l’effet de cette variable sur les performances
de détection peut être une explication également à l’absence d’effet de l’augmentation du nombre
de mots présentant la même combinaison de propriétés perceptives que la cible. Toujours selon
Duncan & Humphreys (1989), l’hétérogénéité des groupes de stimuli visuels est un frein à la
détection efficiente de la cible. Lors de cette expérience, l’hétérogénéité du contexte en terme de
nombre de groupes perceptifs ne varie pas. De même, cette hétérogénéité est combinée avec la
similarité entre la cible et les mots du contexte. Or cette similarité ne varie que par le nombre de
mots dans le contexte qui présentent les mêmes propriétés visuelles que la cible. De ce fait, nous ne
pouvons pas attribuer l’absence d’effet stable de notre variable à ce nombre de groupes perceptifs,
et ceci dans la mesure où les participants ne semblent pas différencier les groupes perceptifs.
Une remarque sur nos résultats concerne les données. Lors de l’étude de Shen, Reingold &
Pomplum (2000), les temps de réponse sont compris entre 800 et 1000 ms et le nombre de fixations
entre 1 et 3. Dans nos deux expériences, les temps de réponse sont compris entre 6 et 8 secondes
pour l’expérience 2.1 et entre 3 et 8 secondes le groupe rouge pour l’expérience 2.2. De même le
nombre de fixations est respectivement compris entre 15 et 18 fixations et entre 7 et 16 fixations.
Ces valeurs sont bien loin de celle obtenues par Shen, Reingold & Pomplum (2000). Cette
différence ne peut pas résulter du nombre d’items dans la scène visuelle (32 pour nos expériences
et 48 pour Shen et al., 2000) mais certainement du nombre de groupes d’items différents (32 pour
nos expériences contre 3 pour Shen et al., 2000). De plus, il est probable que l’introduction de
signification pour chaque item de la scène visuelle ralentisse la détection d’une cible par rapport à
des items figuratifs. Seulement lorsque le mot cible est le seul à présenter un attribut (par exemple
être le seul à être de couleur noire) le nombre de fixations moyen avant de déclarer ce mot comme
étant la cible recherchée est de 7. Ainsi, même si les propriétés perceptives de la scène visuelle
peuvent faciliter la détection de la cible, cette détection n’est pas aussi rapide qu’en situation de
pop out. Ce résultat nous conduit à reconsidérer la définition des valeurs à prendre en compte pour
définir une cible en situation de pop out : moins de 1000 ms de temps de réponse et une
augmentation des temps de réponse inférieure à 6 msec par item supplémentaire (Treisman, 1988).
Pour conclure sur cette expérimentation, même si les participants ne connaissent pas
l’apparence visuelle de la cible, ils s’appuient sur les caractéristiques visuelles de la scène visuelle
pour la détecter le plus efficacement possible. Or ceci n’est possible que si la propriété perceptive
- 149 -
manipulée a un pouvoir assez discriminant pour permettre la distinction des groupes présents dans
la scène visuelle et que ces groupes ne sont pas présents dans des proportions équivalentes.
Quoiqu’il en soit, les propriétés perceptives de la scène visuelle peuvent permettre l’émergence
d’une cible lexicale dont la recherche est dirigée uniquement par sa catégorie super-ordonnée.
- 150 -
II.4. Expérimentation 3 : Effet de la fréquence lexicale
II.4. Expérimentation 3 : L’effet de la fréquence
lexicale
II.4.1. Problématique : La familiarité lexicale favorise-t-elle
la détection d’un mot ?
L’étude de l’effet de la familiarité des stimuli lors d’une recherche d’une cible, présentée dans la
section I.1.1.3.6, montre que le temps de détection est plus influencé par la familiarité des stimuli
du contexte (Shen & Reingold, in press) que par la différence de familiarité entre le contexte et la
cible comme l’avançaient Wang, Cavanagh & Green (1994). Contrairement aux autres études
menées dans ce domaine, le matériel de Shen & Reingold (in press) est lexical : les idéogrammes
chinois. Cette étude menée auprès d’un groupe de participants chinois, montre que la recherche
d’une cible est plutôt influencée par la familiarité des idéogrammes, ce qui n’est pas le cas pour le
groupe de participants anglais, pour qui ces symboles n’ont aucune signification. Notons toutefois
que dans cette étude, la non-familiarité des idéogrammes est obtenue en effectuant une rotation de
180° à l’idéogramme familier. Dans ce cadre là, lorsque le contexte est non familier, les
participants se retrouvent, en fait, face à un contexte composé de l’équivalent de non-mots. La
tâche peut être donc assimilée à une tâche de détection d’un non-mot parmi des mots ou parmi des
non-mots, et à une tâche de détection d’un mot parmi des mots ou parmi des non-mots. La
familiarité telle qu’elle est manipulée par ces auteurs consiste surtout à la possibilité ou non
d’attribuer une signification au symbole. De plus, le contexte est certes composé de 1, 3 ou 5 items
mais ces items sont tous identiques (comme c’est souvent le cas dans les études sur la détection de
cible) : il s’agit donc des mêmes mots avec la même orthographe qui renvoient à la même
signification et de ce fait ont la même fréquence lexicale. Le but de notre troisième expérience est
d’étudier l’effet de la familiarité des stimuli dans un contexte composé de 23 mots de la langue
française. Face à ce type de contexte, les stimuli n’auront qu’une seule propriété en commun : leur
fréquence lexicale.
Concernant les contextes constitués d’items non familiers, le choix a été de sélectionner des
mots de fréquence lexicale rare plutôt que des non-mots. Ce choix a été motivé par le fait qu’en
utilisant des non-mots, nous ne pouvons être certains du type de difficultés rencontré par les
participants : une difficulté de recherche due au décodage du groupe de lettres, et dans ce cadre là
nous nous situons à un niveau perceptif, ou une difficulté de reconnaissance de mot.
- 151 -
Dans la mesure où la différence entre deux mots de fréquence lexicale différente réside
dans la difficulté d’attribution de signification (qui est plus facile dans le cas d’un mot de fréquence
lexicale élevée et plus difficile dans le cas d’un mot de fréquence lexicale rare), nous avons fait le
choix de ne pas perturber l’encodage du groupe de lettres. La seule différence qui réside entre ces
deux groupes de mots concerne donc leur fréquence lexicale : ils existent tous dans le lexique
français et de ce fait respectent les règles d’agencement des lettres dans la langue française.
Ainsi, la différence entre notre expérience et celles effectuées précédemment par Shen &
Reingold (in press) réside dans la constitution du matériel : d’un part, les mots utilisés sont des
mots existant dans la langue française et sont soit rares soit fréquents, d’autre part, le contexte est
constitué de 23 mots et non pas d’un seul mot.
Ces variations nous permettent, tout comme Shen & Reingold (in press), de tester les effets
de fréquence lexicale du contexte, de fréquence lexicale de la cible et de l’interaction de ces deux
facteurs. Par ailleurs, ces effets sont étudiés en interaction avec la structure visuelle de la liste de
mots. Pour cela, nous avons repris les deux structures en colonnes étudiées dans l’expérience 2.2 :
six colonnes réparties soit sur une seule horizontale [1x6 COL] soit sur deux horizontales [2x3
COL].
II.4.1.1. L’effet de la fréquence lexicale du contexte
Même si l'accès à la signification des items du contexte n’est pas nécessaire pour identifier
la cible (il suffit d'une reconnaissance de forme : pour détecter le mot « chat », il suffit de détecter
la suite de lettres c.h.a.t), nous supposons qu'un contexte dont les items ont une fréquence lexicale
faible (contexte de mots rares) est plus difficile à parcourir qu'un contexte dont les items sont de
fréquence lexicale élevée (contexte de mots fréquents). Les travaux de recherche effectués dans le
cadre de l’effet Stroop (Stroop, 1935) soutiennent cette hypothèse : même si l’accès à la
signification n'est pas nécessaire et requis pour répondre à la tâche, il est difficile à inhiber. Cette
difficulté d'inhibition se ressent à la fois sur le taux de réussite et sur le temps mis pour répondre.
Cette hypothèse est soutenue également par les résultats de Shen & Reingold (in press) : une cible
est détectée plus rapidement dans un contexte familier que dans un contexte non familier. Ainsi, un
contexte constitué de mots fréquents permettrait de détecter plus rapidement la cible qu’un contexte
constitué de mots rares. Cette rapidité de réponse devrait se traduire par un temps de traitement par
item moindre dans la mesure où l’accès à la signification d’un item fréquent est facilité par rapport
à un contexte de mots rares et cette facilité de traitement devrait engendrer un passage plus rapide à
l’item suivant.
- 152 -
II.4.1.2. L’effet de la fréquence lexicale du contexte selon la structure de
présentation
Nous pouvons raisonnablement envisager que, lorsqu’une structure visuelle facilite la
détection de la cible, elle permette de pallier à une éventuelle difficulté lexicale. Ainsi, nous
pouvons nous attendre à ce que l’effet lexical avec des mots de faible fréquence lexicale soit
surtout observé lorsque la structure visuelle ne permet pas de détecter le plus efficacement possible
la cible. Rappelons que dans l’expérience 1.2, l’effet de la structure visuelle a été observé en
trouvant que la structure [1x6COL] engendre un taux de réussite significativement plus important
que la structure [2x3COL], mais cette plus grande réussite est associée à un temps de réponse plus
long. Nous nous attendons ici à ce que l’effet de la fréquence lexicale des mots du contexte sur les
taux de réussite se réalise surtout pour une structure qui facilite une exploration rapide comme la
structure [2x3COL]. En revanche, l’effet de cette fréquence lexicale sur les temps de réponse
devrait être surtout observé pour une structure qui ne facilite pas une exploration rapide comme
c’est le cas de la structure [1x6COL] pa r rapport à la structure [2x3COL].
II.4.1.3. Prédictions
Suite à ces hypothèses, nous nous attendons d’une part, à ce qu’une cible soit détectée avec une
plus grande réussite et un temps de réponse plus court dans un contexte de mots fréquents que dans
un contexte de mots rares. Cette rapidité de réponse devrait se traduire notamment par des temps
moyens de fixation plus courts (prédiction 1). Nous nous attendons également à ce qu’un contexte
de mots fréquents engendre plus de réussites qu’un contexte de mots rares surtout pour la structure
[2x3COL] (prédiction 2), et qu’un contexte de mots fréquents facilite une détection plus rapide de
la cible par rapport à un contexte de mots rares surtout pour la structure [1x6COL] (prédiction 3).
II.4.2. Méthode
II.4.2.1. La présentation des stimuli
48 scènes visuelles ont été construites selon trois facteurs : la structure de présentation des mots, la
fréquence lexicale des mots du contexte et la fréquence lexicale de la cible.
- 153 -
Les structures d’organisation des items dans la scène visuelle sont celles qui ont été étudiées dans
l’expérience 1.2 (section II.2.3) (Figure 51) :
−
la structure [1x6 COL] qui présente 6 colonnes de 4 mots, réparties sur une seule
horizontale où les 6 colonnes sont strictement alignées.
−
la structure [2x3 COL] présente les 6 colonnes réparties sur deux horizontales, à savoir
trois colonnes par horizontale.
Structure [1x6COL]
Structure [2x3COL]
Figure 51.Structures d’organisation du matériel expérimental pour l’expérimentation 3
Chaque structure est habillée lexicalement, soit par des mots fréquents, soit par des mots
rares. De même, chaque cible est soit fréquente, soit rare. Un mot est considéré comme fréquent
lorsque sa fréquence lexicale est comprise entre 4000 et 70.000 pour 100.000.000 occurrences. Un
mot est considéré comme rare lorsque sa fréquence lexicale est comprise entre 0 et 8 pour
100.000.000 occurrences. L’intégralité des mots utilisés dans cette expérience est présentée en
annexes (section A.1.1.a) avec leur fréquence lexicale.
Chaque structure visuelle présente quatre conditions lexicales. Ces conditions lexicales
représentent le croisement de la fréquence lexicale des mots du contexte et de la fréquence lexicale
de la cible :
−
Détecter une cible fréquente dans un contexte constitué de mots fréquents ;
−
Détecter une cible fréquente dans un contexte constitué de mots rares ;
−
Détecter une cible rare dans un contexte constitué de mots fréquents ;
−
Détecter une cible rare dans un contexte constitué de mots rares.
A chaque essai est associée une consigne présentant le mot à détecter : par exemple,
détecter le mot « enfance ».
- 154 -
II.4.2.2. La procédure expérimentale
Chaque croisement structure de présentation *fréquence lexicale du contexte * fréquence lexicale
de la cible est présentée 6 fois à chaque participant.
Le plan expérimental de cette expérience est S40 * P 2 *C2 *D2 *A2 , où
−
S40 représente les 40 participants ;
−
P 2 représente les deux structures de scènes visuelles ([1x6COL] ou [2x3COL]) ;
−
C2 représente la fréquence lexicale du contexte (contexte de mots fréquents et contexte de
mots rares) ;
−
D2 représente la fréquence lexicale de la cible (cible fréquente et cible rare)
−
A2 représente la présence ou l’absence de la cible
A la fin de la passation, l’expérimentateur obtient 48 segments oculaires par participant qui
correspondent aux 48 essais de la phase expérimentale. Sur ces 48 segments, seule la moitié est
exploitée pour les analyses : ne sont pris en compte que les essais où la cible est présente dans la
liste de mots.
Les analyses effectuées sur la réussite à la tâche portent sur l’ensemble des 40 participants.
En revanche, les analyses concernant les autres variables dépendantes (temps de réponse et
variables oculaires) portent sur 39 participants. L’effet de nos facteurs n’étant analysé qu’en cas de
réussite n’ayant pas obtenu un minimum d’une réussite par condition expérimentale, un participant
a été écarté de notre échantillon. Ses données portant sur les temps de réponse, le nombre de
fixations et les temps moyens de fixation ont été enlevées des analyses.
II.4.3. Résultats et interprétations
Dans un premier temps, nous exposons les résultats relatifs à l’effet de la fréquence lexicale des
mots. Dans un deuxième temps, nous exposons les résultats relatifs à l’effet lexical selon
l’organisation visuelle de la liste de mots.
II.4.3.1. L’effet de la fréquence lexicale sur les performances
Rappelons que nous nous attendions à ce qu’une cible soit détectée avec un meilleur taux de
réussite et des temps de réponse plus courts dans un contexte de mots fréquents que dans un
- 155 -
contexte de mots rares. Cette rapidité de réponse devrait se traduire par un temps moyen de fixation
plus court (prédiction 1).
Les moyennes des taux de réussite, des temps de réponse, du nombre de fixations, des
temps moyens de fixation, et les écarts-types associés selon la fréquence lexicale de la cible et des
mots du contexte sont présentés dans le Tableau 20.
MOTS DU CONTEXTE
FREQUENTS
RARES
CIBLE
TAUX DE REUSSITE
FREQUENTE
RARE
.897
.934
.917
.17
.14
.157
.813
.87
.843
.24
.207
.227
.853
.903
.213
.18
2,44
2,78
2,61
0,74
0,71
0,75
2,67
2,81
2,74
0,67
0,83
0,76
2,55
2,8
0,72
0,77
5,73
6,31
6,02
2,16
1,46
1,85
6,23
6,48
6,36
1,83
2,07
1,95
5,98
6,39
2,01
1,78
458
451
454
94
75
85
427
449
442
78
88
84
443
450
88
82
CIBLE
TEMPS DE REPONSE (EN SECONDES)
FREQUENTE
RARE
CIBLE
NOMBRE DE FIXATIONS
FREQUENTE
RARE
CIBLE
TEMPS MOYEN DE FIXATION (M S)
FREQUENTE
RARE
Tableau 20. Moyennes (en gras) et écarts-types (en italique) du taux de réussite, des temps de réponse, du
nombre de fixations et des temps moyens de fixation selon de la fréquence lexicale de la cible et du contexte
en cas de réussites (N=39).
Comme attendu, pour détecter une cible, un contexte de mots fréquents engendre un taux
de réussite significativement plus élevé (F(1,39)=15.87; p<.01) et un temps de réponse
significativement plus court qu’un contexte de mots rares (F(1,38)=4,13 ; p=.049). En revanche, la
fréquence lexicale du contexte n'a d'effet significatif ni sur le nombre de fixations (F(1,38)=2,35 ;
p=.13, ns), ni sur les temps moyens de fixation (F(1,38)=2,46 ; p=.13, ns).
Par ailleurs, la fréquence lexicale de la cible a également un effet significatif sur les
performances de détection. Une cible rare engendre un taux de réussite significativement plus
important qu'une cible fréquente (F(1,39)=7.24 ; p=.01). Néanmoins, cette cible rare est détectée
avec des temps de réponse significativement plus longs qu'une cible fréquente (F(1,38)=8.68;
p<.01). En revanche, la fréquence lexicale de la cible n'a pas d'effet significatif sur le nombre de
fixations (F(1,38)=3,24 ; p=.08, ns) et sur les temps moyens de fixation (F(1,38)=0,73 ; p=.4, ns).
- 156 -
L’interaction entre la fréquence lexicale des mots du contexte et la fréquence lexicale de la
cible n’est pas significative ni pour les taux de réussite (Figure 52, F(1,39)=0,26 ; p=.61, ns), ni
pour les temps de réponse (Figure 53, F(1,38)=2,31 ; p=.14, ns) ni pour le nombre de fixations
(Figure 54, F(1,38)<1, ns). Contrairement aux résultats de Wang, Cavanagh & Green (1994), ce
n’est pas tant la différence de familiarité ou de fréquence lexicale entre la cible et le contexte qui
facilite la détection de la cible, mais la familiarité de chacun pour la réussite et la familiarité de la
cible pour la rapidité.
Cible fréquente
Cible rare
Taux de réussites
1,0
0,9
0,8
0,7
FREQUENT
RARE
Contexte lexical
7,0
3,0
2,8
6,5
2,7
2,6
2,5
2,4
2,3
Cible fréquente
Cible rare
2,2
Nombre de fixations
2,9
6,0
Cible fréquente
Cible rare
5,5
2,1
5,0
2,0
FREQUENT
FREQUENT
RARE
RARE
Fréquence du contexte
Fréquence du contexte
Figure 53. Temps de réponse (en secondes)
Moyennes et erreurs-types des taux de réussite (Figure 52), des temps de réponse (Figure 53) et du nombre
de fixations (Figure 54) selon la fréquence lexicale de la cible et des mots du contexte.
En résumé, la fréquence lexicale a un effet sur les performances de détection aussi bien
lorsqu’il s’agit de la cible que des mots du contexte. Un contexte composé de mots fréquents a pour
effet une meilleure détection de la cible qu’un contexte composé de mots rares. Une cible fréquente
- 157 -
est détectée plus rapidement qu’une cible rare mais avec un taux de réussite plus faible. Ces deux
facteurs influencent les performances conjointement et non en interaction.
II.4.3.2. L’effet de la fréquence lexicale sur les performances selon la
structure de présentation
Rappelons que nous nous attendions à ce qu’un contexte de mots fréquents engendre un meilleur
taux de réussite dans la détection d’une cible surtout pour une structure [2x3COL] (prédiction 2) et
que ce contexte de mots fréquents favorise une détection plus rapide de la cible qu’un contexte de
1,0
7
0,9
6
0,8
0,7
Contexte fréquent
Contexte rare
0,6
Nombre de fixations
Taux de réussite
mots rares pour une structure [1x6COL] (prédiction 3).
0,5
5
4
Contexte fréquent
Contexte rare
3
2
1x6COL
2x3COL
1x6COL
Structure du contexte lexical
Figure 55. Moyennes et erreurs-types des taux de
réussite selon la structure et la fréquence lexicale
des mots du contexte (N=40)
2X3COL
Figure 56. Moyennes et erreurs-types du
nombre de fixations selon la structure et la
fréquence lexicale des mots du contexte (N=39).
L’interaction structure et fréquence lexicale des mots du contexte a un effet significatif sur
les taux de réussite (F(1,39)=16,33; p<.01). Comme l’indique la Figure 55, un contexte de mots
fréquents engendre un taux de réussite significativement plus important qu’un contexte de mots
rares pour la structure [2x3COL] (F(1,39)=28,89 ; p<.01) mais pas pour la structure [1x6COL]
(F(1,39)=0,36 ; p=.55, ns). Une structure [2x3COL] engendre ainsi un meilleur taux de réussite
qu’une structure [1x6 COL] lorsque le contexte est fréquent (F(1,39)=4,89 ; p=.03) et nous
observons le contraire lorsque le contexte est rare : une structure [1x6 COL] présente un taux de
réussite significativement plus important qu’une structure [2x3 COL] (F(1,39)=13,4 ; p<.01).
- 158 -
Cette interaction n’est pas significative pour les temps de réponse (F(1,38)=1,32 ; p=.26,
ns). En revanche, elle est significative pour le nombre de fixations (F(1,38)=4,44 ; p=.04). Comme
l’indique la Figure 56, la fréquence lexicale des mots du contexte n’a d’effet sur le nombre de
fixations que pour la structure [2x3COL] : un contexte de mots fréquents engendre
significativement moins de fixations qu’un contexte de mots rares (F(1,38)=5,89 ; p=.02), ce qui
n’est pas le cas pour la structure [1x6COL] (F(1,38)=0,1 ; p=.76, ns).
Conformément à ce que nous supposions, l’effet de la fréquence lexicale des mots du
contexte a un effet sur les taux de réussite, surtout pour la structure [2x3COL] par rapport à la
structure [1x6COL]. Or, contrairement à ce que nous attendions, l’effet de cette fréquence lexicale
ne diffère pas sur les temps de réponse selon la structure visuelle de la liste de mots. En revanche,
cet effet diffère sur le nombre de fixations selon la structure : l’effet de la fréquence lexicale des
mots du contexte sur le nombre de fixations est observé sur la structure [2x3COL] et non sur la
structure [1x6COL]. Ces résultats nous indiquent donc que la fréquence lexicale des mots du
contexte a surtout un effet pour une structure [2x3COL]. Ainsi, la facilité lexicale favorise la
détection d’une cible lorsque la structure visuelle la favorise également.
Dans la mesure où, précédemment, nous avions observé un effet de la fréquence lexicale de
la cible sur les performances de détection, il nous a semblé intéressant d’étudier cet effet en
interaction avec la structure visuelle de la liste de mots. Conformément à notre hypothèse générale
sur un apport des facilités lexicales sur la détection de cible mise en difficulté par l’aspect visuel,
nous nous attendons à ce que l’effet de la fréquence lexicale de la cible soit surtout observé pour la
structure [1x6COL]. Ainsi, nous supposons qu’une cible fréquente sera détectée plus rapidement
mais avec un taux de réussite moindre qu’une cible rare pour une structure [1x3COL] plutôt que
pour une structure [2x3COL].
Cette interaction n’est pas significative pour les taux de réussite (F(1,39)=0,61 ; p=.44, ns)
et les temps de réponse (F(1,38)=0,77 ; p=.39, ns). En revanche elle est significative pour le
nombre de fixations (F(1,38)=4,57 ; p=.04). Comme l’indique la Figure 57, la fréquence lexicale
de la cible a un effet significatif sur le nombre de fixations uniquement pour la structure
[2x3COL] : détecter une cible fréquente engendre signif icativement moins de fixations qu’une
cible rare (F(1,38)=7,16 ; p=.01), ce qui n’est pas le cas pour la structure [1x6COL]
(F(1,38)=0,03 ; p=.85, ns).
- 159 -
Cible fréquente
Cible rare
7,0
Nombre de fixations
6,5
6,0
5,5
5,0
4,5
4,0
1x6COL
2x3COL
Figure 57. Moyennes et erreurs-types associés du nombre de
fixations selon la structure de la scène visuelle et selon la
fréquence lexicale de la cible.
Contrairement à ce que nous supposions, la facilité lexicale ne vient que renforcer les
performances dues à la facilité visuelle. Comme l’indiquent ces résultats sur l’interaction fréquence
lexicale des stimuli et structure de la liste de mots, les facteurs lexicaux ne comblent pas les
difficultés dues aux facteurs visuels.
II.4.4. Discussion
Comme nous le supposions et l’avaient déjà observé Shen & Reingold (in press), une liste
composée de mots familiers, et ayant ainsi une fréquence lexicale élevée permet une meilleure
détection de la cible qu’une liste composée de mots non familiers (fréquence lexicale faible). Ainsi,
même avec une scène visuelle composée de stimuli visuellement différents les uns des autres, de
par leur orthographe, mais dont le point commun est la fréquence lexicale, la familiarité des mots
de la liste facilite la détection d’une cible. Or, cette différence de temps ne s’explique pas par un
temps moyen de fixation plus faible comme nous le supposions. Ainsi, conformément aux résultats
de Rayner & Raney (1996) la fréquence lexicale des mots n’a pas d’effet sur les temps moyens de
fixation lors d’une tâche de détection de cible. Ceci suggère que dans ce type de tâche où la cible
est dénommée intégralement aux participants (orthographe), ceux-ci n’effectuent pas un traitement
profond des mots qu’ils ont sous les yeux. En effet, un simple traitement de surface consistant à
comparer les suites de lettres permet le passage à l’item suivant. Ainsi, nous aurions peut être pu
observer des effets de la fréquence lexicale des mots de la liste sur les temps moyens de fixation si
les variations avaient été effectuées au niveau de la proximité orthographiq ue entre la cible et les
- 160 -
mots environnants. Nous avions supposé obtenir un effet de la fréquence lexicale des mots de la
liste sur les temps moyens de fixation en nous basant sur des résultats souvent obtenu avec l’effet
Stroop (1935). L’effet Stroop relève d’une confusion au niveau des propriétés perceptives et
sémantiques pour donner la réponse. Dans ce type de tâche, un décodage de la couleur est
nécessaire et ce décodage entraîne son traitement sémantique : pouvoir dénommer cette couleur.
Ainsi lors de cette tâche, le traitement effectué sur les stimuli est plus profond que celui effectué
lors d’une tâche similaire à la nôtre. En effet, dans cette expérience il n’est pas nécessaire d’accéder
à une quelconque signification pour répondre à la tâche. Un appariement perceptif entre la suite de
lettres à détecter et celles présentées dans la liste est suffisant pour détecter la cible. De ce fait, nous
pourrions peut être observer un effet de la fréquence lexicale des mots de la liste sur les temps
moyens de fixation si la consigne indicatrice ne mentionnait pas la cible à détecter mais la
signification à laquelle elle renvoie, soit par sa définition soit par sa catégorie super-ordonnée. Afin
d’étudier réellement l’effet de la fréquence lexicale des mots du contexte dans ces conditions, il
faudrait que la définition énoncée ou l’utilisation d’une catégorie super-ordonnée pour désigner la
cible puisse renvoyer à plusieurs mots afin de limiter l’anticipation perceptive des participants :
ceci pour éviter de connaître le mot à détecter avant l’apparition de la liste.
Par ailleurs, nous avons également observé un effet stable de la fréquence lexicale de la
cible : une cible fréquente est détectée plus rapidement qu’une cible rare et une cible rare est
détectée avec plus de réussites qu’une cible fréquente et ceci quelle que soit la fréquence lexicale
des mots du contexte. Cet effet de la fréquence lexicale de la cible peut être dû à l’hétérogénéité du
contexte, tant du point de vue visuel, que du point de vue sémantique : 23 mots avec une
orthographe différente et qui renvoient à une sémantique différente, ont certainement permis
d’observer l’effet lexical de la cible, ce qui n’avait pas été observé par Shen & Reingold (in press).
Une cible est détectée plus rapidement lorsqu’elle est familière (fréquence lexicale élevée). En
revanche, cette rapidité de réponse est associée à un taux de réussite plus faible que dans le cas
d’une cible non familière. Cette différence de performances peut s’expliquer par une rapidité de
réponse produite par une cible fréquente au détriment de la justesse de la réponse (phénomène de
speed-accuracy trade off). Ceci a certainement conduit les participants à déclarer trop rapidement
une cible fréquente comme étant absente, engendrant ainsi un taux de réussite plus faible.
Les analyses sur les interactions aussi bien entre deux facteurs lexicaux (fréquence lexicale
de la cible et fréquence lexicale des mots du contexte) qu’entre un facteur lexical et un facteur
visuel (interaction structure visuelle de la liste et fréquence lexicale du mot-cible ou celles des mots
du contexte) nous montrent deux phénomènes. D’une part, les deux facteurs lexicaux ont des effets
cumulatifs sur les performances. Ainsi, contrairement à ce qu’observaient Wang, Cavanagh &
- 161 -
Green (1994), la différence de familiarité entre les mots du contexte et le mot-cible ne favorise pas
sa détection : seules les fréquences lexicales des mots de son contexte et la fréquence lexicale de la
cible peut faciliter sa détection. D’autre part, la facilité lexicale ne favorise pas la détection de la
cible lorsque le contexte visuel perturbe cette détection. Contrairement à ce que nous supposions,
l’effet de la fréquence lexicale des mots du contexte et l’effet de la fréquence lexicale de la cib le ne
sont observés que pour la structure [2x3COL]. Pour rappel il s’agit de la structure qui permet de
détecter le plus rapidement la cible (expérience 1.2, section II.2.3).
Dans l’expérience suivante (expérimentation 4), nous avons varié la distance sémantique
entre la cible et les mots du contexte en interaction avec le nombre de mots identiques visuellement
à la cible. Le but de cette expérience a été d’étudier l’effet de la distance sémantique sur les
performances de détection et de tester également l’hypothèse selon laquelle la facilité visuelle peut
compenser la difficulté sémantique.
- 162 -
II.5. Expérimentation 4 : Effet de la distance sémantique
II.5. Expérimentation 4 : L’Effet de la distance
sémantique
II.5.1. Problématique : Effets de la distance sémantique
entre la cible et les distracteurs sur la détection
Le but de cette expérimentation est d’étudier l’effet de la distance sémantique entre une cible et les
mots de son contexte sur la détection de la cible.
Rappelons que White (1977) a montré que la détection d’une cible est facilitée lorsque sa
catégorie sémantique diffère de celle des items contexte. Ainsi, il est plus facile de détecter la
forme « O » parmi des chiffres lorsqu’elle est déclarée comme étant la lettre « o » que lorsqu’elle
est déclarée comme étant le chiffre zéro. Cette facilité de détection se retrouve également lorsque la
cible est déclarée comme étant le chiffre zéro et que les items du contexte sont des lettres. Cette
facilité de détection se traduit par un temps de réponse plus court.
Cette expérience 4 est dans la même lignée des expérimentations précédentes. Notre
matériel expérimental est constitué de mots du lexique français et la différence sémantique
correspond à la distance sémantique entre la catégorie du mot-cible et celle des mots du contexte.
On peut définir la distance sémantique entre deux objets ou entre deux catégories par leur
nombre de propriétés communes (Poitrenaud, 1998). Ainsi deux catégories sont sémantiquement
proches si elles ont en commun un grand nombre de propriétés. Deux catégories sont
sémantiquement distantes si elles partagent peu de propriétés. Ainsi, par exemple, les catégories
FRUITS
et
LEGUMES
JOUETS parce
sont plus sémantiquement proches que ne le sont les catégories
FRUITS
et
que dans le premier cas, ces deux catégories ont en commun toutes les propriétés de
la catégorie sémantique
VEGETAUX
(par exemple : grandissent, ont une saveur..), alors que dans le
deuxième cas, les propriétés partagées sont peu nombreuses : objet du monde. Ce partage de
propriétés s’identifie facilement à l’aide d’un réseau de catégories sémantiques, ou encore d’une
taxonomie.
Dans une taxonomie, ou un réseau de catégories, la distance sémantique entre deux
catégories peut être mesurée par le nombre de nœuds à parcourir partant d’une catégorie pour
- 163 -
aboutir à la catégorie super-ordonnée commune aux deux catégories. Ainsi, à partir du réseau de
catégories présenté dans la Figure 58 dans le cas de
nécessaire alors que pour les catégories
FRUITS
et
FRUITS
JOUETS,
et de
LEGUMES,
un seul nœud est
le nombre de nœuds est supérieur.
L’impossibilité de quantifier de façon exacte le nombre de nœuds, nous a conduit à prendre en
compte comme «sémantiquement proche » deux catégories qui ont la même catégorie superordonnée directe (catégories sémantiquement proches) et comme « sémantiquement distants » deux
catégories dont la catégorie super-ordonnée commune n’est pas directe (catégories sémantiquement
distantes).
Figure 58 : Exemple de réseau de catégories
Ainsi définie, une grande distance sémantique entre la cible et son contexte devrait faciliter
sa détection. Nous nous retrouvons dans une situation analogue à l’effet de la similarité visuelle sur
l’efficience de la recherche étudiée par Duncan & Humphreys (1989). Ces auteurs observent que la
détection d’une cible visuellement semblable aux items du contexte est plus difficile que celle
d’une cible visuellement dissemblable à ces items. Notre hypothèse est que l’effet perturbateur de
la proximité sémantique se situe au niveau de la prise de décision pour chacun des mots fixés : ce
mot correspond-il à la catégorie que le participant recherche ou non ? La proximité sémantique
devrait engendrer des temps de fixation plus longs par mot et ainsi un temps de réponse plus long
par rapport au cas où la décision est résolue rapidement (contexte distant). Un temps moyen de
- 164 -
fixation plus long serait un indice de la difficulté à rejeter le mot fixé avant le passage au mot
suivant.
Lorsque les catégories de la cible et du contexte sont sémantiquement distantes, un autre
facteur est testé : le nombre de catégories sémantiques contenues dans le contexte. Selon Duncan &
Humphreys (1989), l’hétérogénéité visuelle du contexte perturbe plus la détection de la cible que
son homogénéité. Nous pouvons nous attendre à observer le même type de résultats lorsqu’il s’agit
d’hétérogénéité sémantique : deux catégories d’objets contre une seule catégorie d’objets. En effet,
un contexte présentant deux catégories sémantiques distantes l’une de l’autre et de la cible, fournit
une plus grande complexité sémantique qu’un contexte ne contenant qu’une seule catégorie
d’objets. Lorsque le contexte sémantiquement distant ne comporte qu’une seule catégorie (jouets),
chacun des items traités appartient à la même catégorie et peut être facilement rejeté (c’est un jouet
et ce n’est pas un jouet que je cherche), ce qui n’est pas le cas avec deux catégories différentes
puisqu’en passant d’un item à l’autre, on peut être amené à changer de catégorie. Cette difficulté
devrait se traduire par un temps de réponse plus long résultant d’un temps de fixation plus long et
d’un nombre de fixations plus important.
Cet effet de la distance sémantique entre la catégorie de la cible et la catégorie du contexte
est étudié en interaction avec l’effet perceptif du contexte tel qu’il a été étudié dans
l’expérience 2.1. Rappelons que, avec cette expérience, nous avons trouvé qu’un mot isolé
perceptivement (le seul à porter une combinaison de propriétés particulière), est détecté plus
rapidement que si trois mots présentent cette même combinaison, mais avec un taux de réussite
moindre. Nous avons été amenés à supposer que ce faible taux de réussite résulte, entre autres, d’un
masquage de la cible dû au nombre de combinaisons. En se référant aux études de Duncan &
Humphreys (1989) sur l’effet de la similarité entre une cible et son contexte et sur l’effet de
l’hétérogénéité de ce contexte sur la détection d’une cible, nous pouvons nous attendre à ce qu’un
contexte sémantiquement proche de la cible associé à un nombre important de mots perceptivement
semblables soit beaucoup plus masquant que dans le cas d’un contexte sémantiquement distant
associé à une cible unique d’un point de vue perceptif. Ainsi nous nous attendons à ce que les cas
de difficultés visuelles (condition [3-DISTR], voire condition [6-DISTR]) soient beaucoup plus
perturbateurs pour la détection d’une cible sémantiquement proche que pour celle d’une cible
sémantiquement distante.
- 165 -
A partir de ces hypothèses, nous nous attendons à qu’une cible sémantiquement distante soit
détectée avec plus de réussites et des temps de réponse plus courts qu’une cible sémantiquement
proche. Ce temps de réponse plus court devrait être associé à un temps de fixation plus court
(prédiction 1). Ce résultat devrait être surtout observé lorsque 3 ou 6 items présentent la même
combinaison de propriétés que la cible (prédiction 2).
Nous nous attendons également à ce qu’une cible soit détectée plus rapidement dans un
contexte formé d’items d’une seule catégorie sémantique (contexte homogène) que dans un
contexte formé de deux catégories sémantiquement distantes (contexte hétérogène). Ce temps de
réponse plus court devrait être associé à un plus faible nombre de fixations (prédiction 3).
Enfin, lorsque la cible est proche sémantiquement, nous nous attendons à ce que
l’augmentation du nombre de mots présentant la même combinaison de propriétés visuelles que la
cible engendre une augmentation des temps de réponse et du nombre de fixations (prédiction 4).
II.5.2. Méthode
Les 288 essais construits résultent de la combinaison du type des caractéristiques visuelles de la
liste de mots, du nombre de mots visuellement semblables à la cible, du nombre de catégories
impliquées dans le contexte et de la distance sémantique entre la cible et le contexte.
Les structures de scènes visuelles utilisées pour cette expérience sont celles qui ont été
utilisées dans l’expérience 2.1, (cf la section méthode de l’expérience 2.1, section II.3.2.2). La
Figure 59, donne un exemple de ces scènes visuelles qui se distinguent par le nombre de mots (1, 4,
ou 7) qui présentent une même combinaison de propriétés (couleur, soulignement, italique).
- 166 -
Scène visuelle a1
Scène visuelle a2
Scène visuelle a3
Scène visuelle a4
Figure 59. Scènes visuelles présentées lors de l’expérimentation 4.
Ces scènes visuelles sont habillées sémantiquement par deux types de contexte
sémantique : constitué d'une seule catégorie d'objets ou constitué de deux catégories d'objets
distantes sémantiquement entre elles. Lorsque le contexte est constitué d'une seule catégorie
d'objets, la cible peut être sémantiquement proche (par exemple : détecter un
OISEAUX)
ou sémantiquement distante (par exemple détecter un
POISSON
POISSON
parmi des
parmi des
VEHICULES)
des mots du contexte. Lorsque le contexte est constitué de deux catégories sémantiques d'objets, la
cible est sémantiquement distante de ces deux catégories (par exemple détecter un
POISSON
parmi
des VEHICULES et des PRENOMS MASCULINS).
L’intégralité du matériel (l’ensemble des mots constituant les contextes, le couplage
catégorie des mots du contexte et catégorie de la cible) est présenté en annexes (section A.1.1.b.1
pour la sélection des mots et section A.1.2.a pour le couplage cible contexte).
La consigne présentée avant l’essai donne la catégorie super-ordonnée de la cible que le
participant doit détecter, par exemple « détecter un exemple d’oiseau »
Chaque condition sémantique (cible sémantiquement proche de son contexte, cible
sémantiquement distante de son contexte ; contexte formé d’une ou deux catégories) est présentée
- 167 -
dans chaque type de scène visuelle (a1, a2, a3 et a4). Ce couplage visuel et sémantique est présenté
trois fois.
Le plan expérimental de cette expérience est S10 < A 4 > *D 3 * C 3 , où,
−
S10 représente le nombre de participants par groupe expérimental,
−
A4 représente les quatre grands types de scène visuelle,
−
D3 représente le nombre de mots identiques perceptivement à la cible. Les modalités de ce
facteur sont :
•
[0-DISTR] : aucun mot de la liste ne présente la même combinaison de propriétés
perceptives que la cible.
•
[3-DISTR] : trois mots de la liste présentent la même combinaison de propriétés
•
[6-DISTR] : six mots de la liste présentent la même combinaison de propriétés
−
C3 représente le type de contexte sémantique dans lequel la cible est présentée. Les
modalités de ce facteur sont :
•
[1-DISTANT] : la catégorie sémantique de la cible est sémantiquement distante de
celle du contexte.
•
[2-DISTANT] : la catégorie sémantique de la cible est sémantiquement distante
des deux catégories du contexte.
•
[1-PROCHE] : la catégorie sémantique de la cible est sémantiquement proche de
celle du contexte.
Selon ce plan, nous avons quatre groupes de participants indépendants. Chaque groupe
indépendant se caractérise par un type de scène visuelle (a1, a2, a3 et a4). Chaque participant
effectue 72 essais et répond à 72 consignes indicatrices du type « un exemple d’oiseau » pour la
tâche « détecter un oiseau ».
La passation achevée, l’expérimentateur obtient deux fichiers oculaires par participant : un
fichier comprenant 6 segments qui correspondent aux 6 essais réalisés lors de la phase
d’entraînement et un autre fichier comprenant 72 segments qui correspondent aux 72 essais
expérimentaux. Pour chaque essai, l’expérimentateur recueille les réponses verbales du participant
(exemple « hirondelle »).
L’équivalence des groupes expérimentaux a été évaluée : la méthode est exposée dans
l’expérience 2.1 (section II.3.2.2). Les traitements statistiques des essais de la phase d’entraînement
nous indiquent que les quatre groupes expérimentaux sont équivalents avant la passation.
- 168 -
Pour mener les analyses selon un plan expérimental apparié, il est nécessaire que chaque
participant présente au moins une réussite par condition expérimentale. Six participants n’ont pas
rempli cette condition, et ont été retirés, des analyses qui ont été effectuées sur un ensemble de 34
participants. Enfin, nous avons calculé le taux de réussite, compris entre 0 et 1, parce que le
nombre d’essais n’est pas identique entre les conditions [0-DISTR], [3-DISTR] et [6-DISTR] .
II.5.3. Les résultats et leurs interprétations
Dans un premier temps, nous exposons les résultats relatifs à l’effet de la distance sémantique entre
les mots du contexte et la cible sur sa détection. Dans un deuxième temps, nous exposons les
résultats relatifs à l’interaction entre distance sémantique et nombre de mots perceptivement
identiques à la cible. L’intégralité des comparaisons planifiées est présentée en annexes (section
A.3.4) .
II.5.3.1. L’effet de la distance sémantique entre une cible et ses
distracteurs
Rappelons que nous supposions qu’un contexte sémantiquement distant de la cible facilite sa
détection par rapport à un contexte proche et que cette facilité de détection se manifesterait
notamment par un taux de réussite plus élevé, des temps de réponse et des temps moyens de
fixation plus courts (prédiction 1). De plus, nous nous attendions à ce qu’une cible sémantiquement
distante du contexte soit détectée plus rapidement lorsque celui-ci est composé d’une seule
catégorie que s'il est composé de deux catégories d’objets. Ce temps de réponse plus court devrait
se caractériser par un nombre de fixations plus faible (prédiction 3).
temps moyens de fixation, des amplitudes saccadiques et les écarts-types associés selon la
condition sémantique sont présentés dans Tableau 21.
- 169 -
CONDITION SEMANTIQUE
[1-PROCHE]
TAUX DE REUSSITE
TEMPS DE REPONSE
NOMBRE DE FIXATIONS
TEMPS MOYEN DE FIXATION
AMPLITUDES SACCADIQUES
.862
7,48
16,83
409
1,76
.156
1,94
3,79
45
0,15
[1-DISTANT]
.966
6,66
16,74
379
1,83
.087
1,68
4,14
46
0,16
[2-DISTANT]
.972
6,79
16,19
382
1,8
.085
2,08
3,83
39
0,19
Tableau 21. Moyennes (en gras) et écarts-types associés (en italique) du taux de réussite, des temps de
réponse (en secondes), du nombre de fixations, des temps moyens de fixation et des amplitudes saccadiques
selon de la condition sémantique (34 participants).
Le type de contexte sémantique a un effet significatif sur le taux de réussite
(F(2,60)=37,04; p<.01) et sur le temps de réponse (F(2,60)=6,25 ; p<.01) : un contexte
sémantiquement proche de la catégorie de la cible engendre un taux de réussite significativement
plus faible (F(1,30)=57,82; p<.01) et un temps de réponse significativement plus long
(F(1,30)=11,86; p<.01) qu’un contexte sémantiquement distant, qu’il soit constitué d’une ou de
deux catégories d’objets. Cette différence de temps de réponse ne se traduit pas par un nombre plus
important de fixations (F(1,30)=0,64 ; p=.43, ns), mais par un temps moyen de fixation
significativement plus long (F(1,30)=58,14 ; p<.01). Par ailleurs, les saccades oculaires sont
significativement moins amples lorsque la cible est sémantiquement proche que lorsqu’elle en est
distante, que le contexte soit composé d’une ou de deux catégories d’objets (F(1,30)=16,89 ;
p<.01).
Ainsi, conformément à nos hypothèses, un contexte sémantiquement proche de la cible
perturbe sa détection. Cette difficulté de détection se traduit par un taux de réussite plus faible et un
temps de réponse plus long associé à des temps moyens de fixation plus longs. Ces résultats
montrent, comme nous le supposions, que la proximité sémantique entraîne une plus grande
difficulté d'attribution du mot en cours de fixation à une catégorie d'objets et, plus particulièrement,
à la catégorie de la cible. Ce résultat est confirmé par les résultats obtenus sur les amplitudes
saccadiques. Même si les temps moyens de fixation sont plus longs, ce temps supplémentaire ne
semble pas être dédié au pré-traitement des mots qui se situent dans le voisinage du mot fixé
puisque si tel était le cas, les saccades seraient plus amples lorsque les temps moyens de fixation
sont élevés. Ce n’est pas le cas.
En revanche, contrairement à notre hypothèse, un contexte composé de deux catégories
sémantiques ne perturbe pas plus la détection d’une cible qu’un contexte composé d’une seule
catégorie. Ainsi, l’hétérogénéité sémantique du contexte ne perturbe pas la détection de la cible par
rapport à l’homogénéité.
- 170 -
II.5.3.2. Interaction entre distance sémantique et nombre de mots
identiques à la cible
Nous nous attendions à ce que l’effet perturbateur de la proximité sémantique entre la cible et le
contexte soit surtout effective lorsque 3 ou 6 items du contexte présentent la même combinaison de
propriétés que la cible (prédiction 2). Nous nous attendio ns également à ce que l’augmentation du
nombre de mots identiques à la cible engendre une augmentation des temps de réponse, lorsque la
cible est sémantiquement proche des mots du contexte (prédiction 4).
L’interaction entre la distance sémantique et le nombre de mots identiques à la cible est
significative pour les taux de réussite (F(4,120)=9,08 ; p<.01), les temps de réponse
(F(4,120)=6,42 ; p<.01), le nombre de fixations (F(4,120)=7,82 ; p<.01), les temps moyens de
fixation (F(4,120)=9,26 ; p<.01) et les amplitudes saccadiques (F(4,120)=5,89 ; p<.01).
L’analyse de cette interaction est menée en étudiant dans un premier temps l’effet de la
distance sémantique entre la cible et les mots du contexte selon le nombre de mots qui ont la même
combinaison de propriétés perceptives que la cible (0, 3 ou 6 ; respectivement les conditions [0DISTR],
[3-DISTR], [6-DISTR]). Dans un second temps, nous verrons l’analyse de l’augmentation du
nombre de mots présentant la même combinaison de propriétés que la cible selo n la condition
sémantique (une catégorie sémantiquement proche de la cible : [1-PROCHE] ; une catégorie
sémantiquement distante de la cible : 1-DISTANT] et deux catégories sémantiquement distantes de la
cible [2-DISTANT]).
II.5.3.2.1. Effet de la distance sémantique selon le nombre de mots perceptivement semblables à
la cible
Pour mener cette analyse, nous avons choisi d’effectuer deux comparaisons : la première est basée
sur la distance sémantique entre la cible et le contexte, la seconde sur l’hétérogénéité du contexte
sémantiquement distant.
- 171 -
1,0
Taux de réussite
0,8
0,6
cible proche
cible distante
0,4
0,2
0,0
aucun
3
6
Nombre de mots identiques à la cible
cible proche
cible distante
8
20
6
Nombre de fixations
Temps de réponse
7
5
4
3
Cible proche
Cible distante
2
15
1
0
aucun
3
10
6
0-DISTR
6-DISTR
2,00
425
400
Amplitudes saccadiques
Temps de fixation moyen (ms)
3-DISTR
Type visuel du contexte
375
350
cible proche
cible distante
325
1,75
1,50
contexte proche
contexte distant
300
aucun
3
1,25
6
aucun
3
6
Figure 63. Temps moyen de fixation (en ms)
Figure 64. Amplitudes saccadiques
Moyennes et écarts -types associés des taux de réussite (Figure 60), des temps de réponse (secondes) (Figure
61), du nombre de fixations (Figure 62), des temps moyens de fixation (Figure 63) et des amplitudes
saccadiques (Figure 64) selon la distance sémantique entre la cible et le contexte et le nombre de mots
présentant la même combinaison visuelle que la cible lorsque la liste de mots est composée d’une seule
catégorie d’objets.
Comme le montrent les Figure 60 et Figure 61, lorsque la liste de mots est de type [0DISTR]
ou [3-DISTR], un contexte sémantiquement distant engendre un meilleur taux de réussite
(respectivement F(1,30)=34,52 ; p<.01 et F(1,30)=63,12 ; p<.01) et des temps de réponse plus
- 172 -
faibles (respectivement, F(1,30)=5,25 ; p=.03 et F(1,30)=33,47 ; p<.01) que lorsqu’il est
sémantiquement proche de la cible. Lorsque la liste de mots est de type [0-DISTR], la différence de
temps provient d’un nombre de fixations plus faible pour un contexte sémantiquement distant que
pour un contexte proche (Figure 62, F(1,30)=4,75 ; p=.04), alors que lorsque la liste de mots est de
[3-DISTR], la différence de temps provient d’un nombre de fixations plus faible (Figure 62,
F(1,30)=10,93 ; p<.01) et d’un temps moyen de fixation plus faible (Figure 63, F(1,30)=80,04 ;
p<.01) pour un contexte distant par rapport à un contexte proche.
Lorsque la liste de mots est de type [6-DISTR], nous n’observons pas de différence
significative entre les deux types de contextes sémantiques pour les taux de réussite (Figure 60,
effet global de cette variable : F(2,60)=1,32 ; p=.27, ns) et les temps de réponse (Figure 61,
F(1,30)=0,07 ; p=.8, ns). En revanche, comme l’indique la Figure 62, un contexte sémantiquement
distant engendre significativement plus de fixations qu’un contexte proche (F(1,30)=8,27 ; p<.01),
mais les temps de fixation sont alors plus faibles que ceux qu’on observe pour un contexte proche
(Figure 63, F(1,30)=32,98 ; p<.01). Ainsi, même si nous n’observons pas de différence de
performances sur les temps de réponse entre les deux types de contextes sémantiques, l’analyse des
mouvements oculaires nous indique pourtant que la proximité sémantique engendre bien un temps
de fixation plus long. Nous observons également que lorsque le contexte est sémantiquement
distant de la cible, les participants effectuent des saccades oculaires significativement plus amples
que lorsque le contexte est proche (Figure 64, F(1,30)=12,62 ; p<.01). Ainsi lorsqu’une distance
sémantique entre la cible et le contexte est grande, les participants sont plus enclins à « sauter des
mots », comme le montrent leurs larges déplacements oculaires, obligeant ainsi une ré-inspection
de la liste pour détecter la cible, d’où un nombre de fixations plus important.
Concernant l’effet de l’hétérogénéité sémantique du contexte selon le nombre de mots qui
présentent la même combinaison de propriétés perceptives que la cible, la Figure 65 montre que
cette hétérogénéité n’a pas d’effet significatif sur les taux de réussite (détails des comparaisons
planifiées en annexes). En revanche, comme l’indique la Figure 66, les différences de temps de
réponse dépendent des propriétés perceptives. Ainsi lorsque la condition perceptive est de type [0DISTR]
et [3-DISTR], un contexte homogène engendre des temps de réponse significativement plus
courts qu’un contexte hétérogène (respectivement F(1,30)=5,38 ; p=.03 et F(1,30)=10,7 ; p<.01).
En revanche, lorsque la condition est de type [6-DIST ] un contexte hétérogène engendre des temps
de réponse plus courts qu’un contexte homogène (Figure 66, F(1,30)=10,8 ; p<.01). Ces
différences de temps de réponse proviennent d’une différence du nombre de fixations pour les
conditions [0-DISTR] et [6-DISTR] : un temps de réponse plus long se traduit par un nombre de
fixations plus élevé (Figure 67, respectivement, F(1,30)=3,35 ; p=.08, marginalement significatif
- 173 -
et F(1,30)=18,89 ; p<.01). En revanche, lorsque la condition est de type [3-DIST ], la différence de
temps observée entre les deux types de contexte est surtout due à une différence entre les temps
moyens de fixation consacrés au traitement du mot qui est dans le focus visuel : un contexte
homogène engendre des temps moyens de fixation significativement plus faibles qu’un contexte
hétérogène (Figure 68, F(1,30)=12,38 ; p<.01).
1,0
Taux de réussite
0,9
0,8
contexte homogène
contexte hétérogène
0,7
0,6
0,5
aucun
3
6
Contexte homogène
Contexte hétérogène
7,5
21
7,0
20
6,5
Nombre de fixations
Temps de réponse (en secondes)
8,0
6,0
5,5
5,0
4,5
contexte homogène
contexte hétérogène
4,0
3,5
19
18
17
16
15
14
3,0
aucun
3
6
13
aucun
3
6
425
1,90
Temps de fixations (ms)
Contexte homogène
400
375
350
325
aucun
3
1,85
1,80
1,75
1,70
1,65
Contexte homogène
1,60
1,55
1,50
6
aucun
3
6
Figure 68. Temps moyens de fixation (ms)
Moyennes des taux de réussites (Figure 65), des temps de réponse (Figure 66), du nombre de fixations
(Figure 67), des temps moyens de fixation (Figure 68), des amplitudes saccadiques (Figure 69) et les écartstypes associés selon l’hétérogénéité sémantique du contexte et le nombre de mots visuellement semblables à
la cible lorsque le contexte est sémantiquement distant de la cible.
- 174 -
Ainsi, l’augmentation du nombre de mots présentant la même combinaison de propriétés
perceptives que la cible, ce qui accroît la similarité visuelle entre la cible et le contexte, facilite la
détection de la cible dans un contexte sémantiquement hétérogène par rapport à un contexte
homogène.
Pour résumer ces résultats, contrairement à ce que l’on attendait lorsque la similarité
visuelle entre la cible et les mots du contexte est importante (condition [6-DISTR]), la distance
sémantique entre les mots du contexte et la cible ne facilite pas sa détection, contrairement au cas
où cette similarité est moindre (condition [3-DIST ]) voire quasi-inexistante (condition [0-DIST ]). De
même, contrairement à ce que nous supposions, l’hétérogénéité sémantique du contexte facilite la
détection de la cible par rapport à l’homogénéité uniquement dans un cas de similarité visuelle très
importante. Dans les deux autres cas, l’hétérogénéité sémantique du contexte perturbe la détection
d’une cible par rapport à l’homogénéité sémantique.
II.5.3.2.2. Effet du nombre de mots qui ont les mêmes caractéristiques visuelles que la cible selon
la distance sémantique
Lorsque le contexte est de type [1-PROCHE], l’augmentation du nombre de mots identiques à la
cible engendre une augmentation des taux de réussite (Figure 70, F(2,60)=27,34; p<.01, détails
des comparaisons planifiées en annexes). De plus, une liste de mots de type [0-DISTR] engendre des
temps de réponse significativement plus courts qu’une liste de mots de type [3- DISTR] (Figure 71,
F(1,30)=6,09 ; p=.01). En revanche, cette rapidité de réponse ne s’accompagne pas d’un plus
faible nombre de fixations (Figure 72, F(2,60)= 0,9 ; p=.41, ns) mais d’un temps moyen de
fixatio n significativement plus court (Figure 73, F(1,30)=9,39 ; p<.01). Ainsi, lorsque la cible est
sémantiquement proche du contexte, et qu’elle est la seule à présenter une combinaison de
propriétés perceptives particulière, les faibles temps moyens de fixation observés par rapport aux
autres conditions expérimentales nous suggèrent que les mots du contexte n’ont pas encore
perturbé le traitement des mots fixés, et qu’elle est détectée à partir de ses seules propriétés
perceptives.
- 175 -
1,0
Taux de réussites
0,9
0,8
[1-PROCHE]
[1-DISTANT]
[2-DISTANT]
0,7
0,6
0,5
aucun
3
6
[1-PROCHE]
[1-DISTANT]
[2-DISTANT]
[1-PROCHE]
[1-DISTANT]
[2-DISTANT]
21
8,5
20
8,0
Nombre de fixations
9,0
7,5
7,0
6,5
6,0
19
18
17
16
15
5,5
14
5,0
aucun
3
13
6
aucun
Figure 71. Temps de réponse (secondes)
6
[1-PROCHE]
[1-DISTANT]
[2-DISTANT]
2,0
420
400
3
380
360
340
[1-PROCHE]
[1-DISTANT]
[2-DISTANT]
320
300
1,9
1,8
1,7
1,6
aucun
3
6
aucun
3
6
Figure 73. Temps moyens de fixation (ms)
Moyennes des taux de réussite (Figure 70), des temps de réponse (Figure 71), du nombre de fixations (Figure
72), des temps moyens de fixation (Figure 73) et des amplitudes saccadiques (Figure 74) et les écarts-types
associés selon le nombre de mots perceptivement similaires à la cible et la condition sémantique.
Lorsque le contexte est de type [1-DISTANT ], le nombre de mots identiques à la cib le n’a pas d’effet
significatif sur les taux de réussite (Figure 70, F(2,60)=0,09 ; p=.91, ns). En revanche,
l’augmentation du nombre de mots identiques perceptivement à la cible entraîne une augmentation
significative des temps de réponse (Figure 71, F(2,60)=15,69 ; p<.01, détails des comparaisons
planifiées en annexes) et du nombre de fixations (Figure 72, F(2,60)=22,37 ; p<.01, détails des
- 176 -
comparaisons planifiées en annexes). De plus, l’augmentation du nombre de mots identiques à la
cible engendre une diminution significative des temps moyens de fixation (Figure 73,
F(2,60)=9,82 ; p<.01, détails des comparaisons planifiées en annexes). Enfin, la condition [0DISTR] engendre des amplitudes saccadiques significativement plus faibles que les deux autres
conditions [3-DISTR] et [6-DISTR] (Figure 74, F(2,60)=6,78 ; p<.01, détails des comparaisons
planifiées en annexes). Ainsi, lorsque le contexte est composé d’une seule catégorie d’objets
sémantiquement distante de la cible, nous obtenons les résultats attendus lors de l’expérience 2.1 :
l’augmentation du nombre de mots identiques perceptivement la cible engendre une difficulté de
détection de cible qui se traduit par un temps de réponse plus long et une augmentation du nombre
de fixations. Ainsi plus le nombre de mots parcourus est important, plus les pauses oculaires sont
courtes et plus les déplacements sont amples. Nous pouvons donc penser que l’augmentation du
nombre de fixations est due au phénomène de saut de mots du fait des longs déplacements. De ce
fait, pour détecter la cible les participants seraient obligés de revenir sur des parties déjà explorées
dans le contexte et donc d’effectuer plus de fixations.
Lorsque le contexte est de type [2-DISTANT ], le nombre de mots identiques à la cible n’a pas d’effet
significatif sur les taux de réussite (Figure 70, F(2,60)=1,16 ; p=.32, ns). En revanche, une liste de
mots de type [6-DISTR] permet d’identifier significativement plus rapidement la cible qu’une liste
de mots de type [3- DISTR] et de type [0-DISTR] (Figure 71, respectivement, F(1,30)=6,61 ; p=.02
et F(1,30)=3,57 ; p=.07, marginalement significatif ). Cette tendance ne se retrouve ni pour le
nombre de fixations (Figure 72, F(2,60)=0,68; p=.51, ns), ni pour les temps moyens de fixation
(Figure 73 ; F(2,60)=0,95; p=.39, ns).
Ces résultats peuvent être résumés ainsi : lorsque la cible est sémantiquement proche des
mots du contexte, l’augmentation du nombre de mots qui ont la même combinaison de propriétés
perceptives que la cible a un effet sur les taux de réussite : plus le nombre de mots perceptivement
similaires augmente, meilleure est la réussite. En revanche, contrairement à ce que nous supposions
la proximité sémantique n’a pas l’effet attendu sur les temps de réponse et sur le nombre de
fixations : seule la condition [3-DIST ] engendre des temps de réponse plus longs que la condition
[0-DIST ]. De même, contrairement à nos attentes, l’augmentation du nombre de mots
perceptivement similaires à la cible engendre une augmentation des temps de réponse et du nombre
de fixations lorsque le contexte est composé d’une seule catégorie sémantiquement distante. En
revanche, lorsque le contexte présente deux catégories d’objets distantes sémantiquement, la
condition [6-DIST ] engendre des temps de réponse plus courts que les autres conditions.
- 177 -
II.5.4. Discussion
Que nous apporte cette étude sur l’effet de la distance sémantique entre les mots du contexte et la
cible sur sa détection ?
D’une part, nous avons pu déterminer son effet sur les performances de détection. D’autre
part, nous avons également vu que cet effet diffère selon les conditions perceptives du contexte et,
que, réciproquement, l’effet des conditions perceptives du contexte diffère selon la distance
sémantique entre la cible et le contexte et également selon l’hétérogénéité ou l’homogénéité du
contexte.
Dans un premier temps, nous avons vu que la distance sémantique entre la cible et son
contexte lexical environnant favorise la détection. Dans notre expérience, nous avons déterminé la
distance sémantique par la possibilité ou non d’avoir une catégorie super-ordonnée commune
directe aux deux catégories d’objets envisagées. Ainsi lorsque la cible et le contexte sont
sémantiquement proches, nous pouvons les qualifier de relativement similaires, ce qui n’est pas le
cas lorsque la cible et le contexte sont sémantiquement distants. Selon les résultats de Duncan &
Humphreys (1989), lorsque la cible est similaire visuellement aux items du contexte, sa détection
est perturbée par rapport au cas où la cible est très différente visuellement du contexte. Nous
retrouvons ce type de résultats en comparant les cas où la cible et le contexte sont sémantiquement
similaires (proches) et des cas où la cible et le contexte sont sémantiquement différents (distants).
Comme nous l’avons supposé, la différence de performances entre ces deux types de proximité
sémantique se traduit par un temps de traitement par fixation plus important associé à des
déplacements oculaires de plus faibles amplitudes. Comme nous le supposions, la difficulté
sémantique rencontrée dans cette tâche est probablement au niveau du temps nécessaire pour
rejeter le mot en cours de fixation comme n’étant pas la cible recherchée.
Selon Duncan & Humphreys (1989), l’hétérogénéité visuelle du contexte perturbe
également la détection de la cible par rapport à l’homogénéité. Or, les résultats de cette expérience
nous indiquent qu’il n’y a pas de différence significative de performances entre détecter une cible
sémantiquement distante du contexte lorsque celui contient une ou deux catégories d’objets. La
différence entre ces deux types de contextes sémantiques s’observe lorsque les conditions
perceptives diffèrent.
Dans un second temps, nous avons vu que l’effet de la distance sémantique entre la cible et
le contexte diffère selon les conditions perceptives, et réciproquement ; l’effet du nombre de mots
présentant la même combinaison de propriétés perceptives diffère selon la condition sémantique,
- 178 -
permettant peut être d’interpréter les résultats globaux obtenus pour cette variable visuelle lors de
l’expérience 2.1.
Concernant l’effet de la distance sémantique selon les conditions perceptives,
contrairement à ce que nous attendions, un contexte homogène sémantiquement distant de la cible
ne facilite pas sa détection par rapport à un contexte sémantiquement proche lorsque la similarité
visuelle entre la cible et le contexte est très importante (grand nombre de mots présentant la même
combinaison de propriétés perceptives que la cible). En revanche, cette distance sémantique permet
de détecter la cible avec de meilleures performances lorsque celle -ci est la seule à présenter une
combinaison particulière de propriétés perceptives. De même, contrairement à ce que nous
attendions, l’hétérogénéité sémantique du contexte facilite sa détection uniquement dans le cas
d’une similarité visuelle très importante. Lorsque cette similarité est peu importante,
l’hétérogénéité du contexte est un frein à l’efficacité de la recherche par rapport à l’homogénéité.
Ces résultats sont compatibles avec l’idée que l’effet de la similarité et de l’hétérogénéité
sémantique est sous la dépendance de ce que nous qualifions ici de similarité visuelle : plus le
nombre de mots du contexte qui présentent la même combinaison de propriétés perceptives que la
cible augmente et plus la similarité visuelle entre la cible et le contexte est importante.
Par ailleurs, cette expérience nous montre également que selon la distance sémantique entre
la cible et le contexte, ou encore selon l’hétérogénéité du contexte, les effets du nombre de mots
identiques à la cible diffèrent. Lorsque le contexte est homogène et distant sémantiquement de la
cible, nous observons les résultats attendus lors de l’expérience 2.1 : augmenter le nombre de mots
visuellement similaires à la cible perturbe sa détection puisqu’on observe une augmentation des
temps de réponse. Ainsi, lorsque le contexte est homogène et non similaire sémantiquement à la
cible, augmenter la similarité visuelle entre la cible et le contexte perturbe sa détection. En
revanche, lorsque ce contexte homogène est proche sémantiquement de la cible, nous observons les
résultats obtenus dans l’expérience 2.1 : augmenter le nombre de mots identiques perceptivement à
la cible engendre une augmentation des taux de réussite, et lorsque la cible est la seule à présenter
une combinaison de propriété particulière dans le contexte, elle est détectée plus rapidement que si
trois mots présentent la même combinaison de propriétés. Ainsi, lorsque la cible est proche
sémantiquement du contexte, seule une distinction visuelle entre la cible et les autres mots du
contexte permet de la détecter plus rapidement. Enfin lorsque le contexte est hétérogène et distant
sémantiquement de la cible, nous observons que seule une similarité très importante entre le
contexte et la cible facilite sa détection rapide.
Ainsi dans un premier temps, ces derniers résultats peuvent permettre d’expliquer pour
quelles raisons nous n’obtenons pas les résultats escomptés dans l’expérience 2.1 : la différence
- 179 -
d’effet du nombre de mots identiques à la cible dans le contexte selon la condition sémantique ne
permet pas d’observer l’effet global attendu. Dans un deuxième temps, ces résultats nous
permettent de décrire les effets de la similarité et de l’hétérogénéité sémantique selon la similarité
visuelle. Selon Duncan & Humphreys (1989) le premier déterminant de l’efficacité de la recherche
serait la similarité entre la cible et les items du contexte : plus la cible et le contexte sont similaires
et plus la détection sera difficile. De plus, cet effet de la similarité entre la cible et le contexte sera
d’autant plus marqué que le contexte est hétérogène. Nos résultats suggèrent que l’effet de la
similarité et de l’hétérogénéité sémantique dépend de la similarité visuelle. Lorsque celle -ci est
faible (condition [0-DIST ]), seul un contexte homogène sémantiquement distant de la cible (non
similaire sémantiquement) facilite la détection de la cible : l’hétérogénéité sémantique et la
similarité sémantique sont un frein à cette détection. Lorsque la similarité visuelle est
moyennement important (condition [3-DIST ]), un contexte non similaire sémantiquement facilite la
détection de la cible par rapport à la similarité sémantique (contexte sémantiquement proche de la
cible). En revanche, l’homogénéité sémantique facilite la détection par rapport à l’hétérogénéité
sémantique. Enfin, lorsque la similarité visuelle est très importante (condition [6-DIST ]) seule
l’hétérogénéité couplée avec la non-similarité sémantique facilite la détection par rapport à
l’homogénéité. En revanche, nous ne pouvons conclure pour un contexte hétérogène
sémantiquement similaire à la cible. La question qui se pose alors est de savoir si la facilité de
détection obtenue lors d’une similarité visuelle très importante est due uniquement à
l’hétérogénéité sémantique du contexte ou à l’hétérogénéité couplée avec la non-similarité
sémantique.
Dans l’expérience suivante, nous testons un nouveau facteur lors de la détection d’une
cible : sa typicalité. Le but est alors d’étudier l’effet de la typicalité de la cible lors de sa détection,
mais également d’étudier cet effet de la typicalité selon la distance sémantique entre la cible et le
contexte et selon la facilité visuelle offerte par le contexte pour détecter la cible : la facilité
sémantique et visuelle va-t-elle faciliter ou non la détection d’une cible non typique ? Afin de bien
maîtriser l’effet de la similarité visuelle, l’étude suivante a été menée avec le matériel présenté lors
de l’expérience 2.2.
- 180 -
II.6. Expérimentation 5 : Effet de la typicalité
II.6. Expérimentation 5 : L’Effet de la typicalité de la
cible sur sa détection
II.6.1. Problématique : Le degré de typicalité de la cible
influence-t-il sa détection ?
Selon l'expérience 2.2 (section II.3.3), le nombre de mots de même couleur que la cible a un effet
sur sa détection, qu'elle soit conjonctive ou non : moins la scène visuelle comprend de mots qui ont
la même couleur que la cible, plus sa détection est facilitée. Ainsi, moins la cible est similaire
visuellement au contexte et plus sa détection est facilitée, retrouvant ainsi les résultats de Duncan &
Humphreys (1989). Dans l'expérience précédente (expérimentation 4; section II.5), la distance
sémantique entre la cible et le contexte a également un effet sur la détection de la cible : un
contexte sémantiquement distant de la cible favorise son identification. Ainsi, plus la cible diffère
sémantiquement du contexte lexical et plus elle est aisément détectée.
Ainsi la discrimination visuelle d'une part, et la discrimination sémantique d'autre part, de
la cible par rapport à son contexte permet de faciliter sa détection.
En revanche, l'expérience précédente (expérimentation 4, section II.5) sur l’étude des effets
conjoints montre que la distinction visuelle ne comble pas le masquage sémantique. Au contraire,
tout se passe comme si l'isolement perceptif de la cible ne permet pas de détecter plus facilement
une cible qui est sémantiquement similaire au contexte. Toutefois, dans l'expérience précédente, les
scènes visuelles sont constituées de 8 groupes de mots, caractérisés par une combinaison de trois
propriétés visuelles. Cette hétérogénéité du contexte a peut-être créé une situation de masquage
renforcé de la cible lorsque le contexte est sémantiquement proche de celle -ci.
Le premier but de cette expérience est d'étudier l'effet de la distance sémantique sur
l'identification d'une cible dans une scène visuelle ne contenant que trois groupes perceptifs de
mots, constitués uniquement par la propriété couleur : des mots de couleur noire ou rouge et un mot
conjonctif.
Dans ce type de scène visuelle, nous nous attendons, comme dans l’expérience précédente,
à ce qu’une bonne discrimination visuelle de la cible facilite la détection d’une cible
- 181 -
sémantiquement similaire au contexte. Ainsi, nous supposons que la discrimination visuelle de la
cible aura surtout un effet pour une cible sémantiquement proche du contexte par rapport à une
cible sémantiquement distante. Du fait de cette facilité visuelle, nous nous attendons également à ce
que l’effet de la distance sémantique soit surtout visible lorsque la scène visuelle ne permet pas une
bonne discrimination visuelle de la cible. Dans ce cas, un contexte sémantiquement distant de la
cible facilitera sa détection par rapport à un contexte sémantiquement proche.
Le second but de cette expérience est d'étudier l'effet de la typicalité d'un objet sur sa
détection. La typicalité d'un objet se définit par rapport à sa catégorie super-ordonnée et par rapport
aux autres exemplaires de cette catégorie. En effet, tous les exemplaires d'une catégorie ne sont pas
équivalents : certains sont plus typiques que d’autres parce qu’ils sont plus facilement associés à la
catégorie super-ordonnée. Par exemple, l'item « moineau » est un item qui représente mieux la
catégorie
OISEAU
que l'item « autruche ». Dans ce cadre là, « moineau » est plus typique que
« autruche » de la catégorie
OISEAU.
Selon Rosch et Mervis (1975), la typicalité d'un objet
détermine la probabilité que cet objet soit nommé comme membre de sa catégorie. Ainsi, plus un
objet est cité comme étant un exemplaire de cette catégorie, plus il sera considéré comme typique
de cette catégorie. Dans cette même optique, nous supposons que plus un objet est typique d'une
catégorie, plus il sera facilement identifiable comme appartenant à cette catégorie. Ainsi, nous
supposons que si le participant doit identifier un exemplaire de la catégorie
OISEAU
, il détectera
plus facilement l'item « moineau » que l'item « autruche ». Et ceci pour deux raisons. D'une part,
lors de l'annonce d'une catégorie d'objets, les exemplaires typiques de cette catégorie sont reconnus
plus rapidement comme faisant partie de cette catégorie que les exemplaires non typiques (Rosch,
1973 ; Larochelle, Richard & Soulière, 2000). D'autre part, face à un item comme « moineau »,
l'identification de la catégorie super-ordonnée ne pose à priori aucun problème, ce qui n'est pas le
cas pour l’item « autruche ». Si bien que, « moineau » sera identifié plus facilement et plus
rapidement que « autruche » (Larochelle et al., 2000). Cette facilité résulte d'une correspondance
directe et rapide entre le processus de recherche Top Down (dirigé par le concept
OISEAU
avec
l'activation des exemplaires typiques de la catégorie) et le processus Bottom Up (dirigé par les
données : activation de la catégorie OISEAU plus rapide à la lecture de « moineau » qu'à la lecture
de « autruche »).
Par ailleurs, nous supposons que cet effet de typicalité est pré-dominant à l’effet de la
discrimination visuelle et sémantique. Ainsi, quelle que soit la discrimination visuelle ou
sémantique, nous supposons qu’une cible typique est identifiée plus facilement qu’une cible non
typique. En effet, la discrimination a pour but principal de diriger le regard et l’attention du
participant sur un point précis de l’environnement de recherche. Or, si le mot mis ainsi en avant est
- 182 -
un mot non typique de la catégorie recherchée, le participant peut se retrouver dans deux cas de
figure : soit il n’identifie pas correctement l’objet comme une instance de la catégorie superordonnée et dans ce cas là, la non-typicalité de l’item engendre l’échec. Soit il identifie
correctement la catégorie super-ordonnée, mais il est tenté d’explorer le reste de l’environnement
afin de vérifier qu’un autre item ne répond pas mieux à la requête. Dans ce cas, la cible non typique
engendre des temps de réponse plus longs et l’effet de la discrimination visuelle et sémantique
devrait être moins facilitateur que pour une cible typique.
Que l’effet facilitateur soit visuel ou sémantique, une cible typique devrait toujours être
détectée avec de meilleures performances qu’une cible non typique. Par ailleurs, ces effets
facilitateurs devraient être surtout observés lorsque la cible est typique.
Nous nous attendons, d’une part, à ce que plus la scène visuelle permet une bonne discrimination
visuelle de la cible, plus les taux de réussite soient élevés et les temps de réponse courts. Cette
diminution des temps de réponse devrait se traduire par une diminution du nombre de fixations
(Prédiction 1). Selon nous, cet effet de la discrimination visuelle de la cible sur la réussite et les
temps de réponse s'observera surtout pour une cible qui est sémantiquement proche des mots du
contexte (Prédiction 2). Par ailleurs, l’augmentation de la discrimination visuelle devrait engendrer
une augmentation des taux de réussite et une diminution des temps de réponse que la cible soit
typique ou non. Cette diminution des temps de réponse devrait se traduire par un plus faible
nombre de fixations (Prédiction 3).
Concernant la distance sémantique entre la cible et le contexte lexical, nous nous attendons
à ce qu’une cible sémantiquement distante du contexte soit identifiée avec un taux de réussite plus
important et des temps de réponse plus courts qu'une cible sémantiquement proche. Ces temps de
réponse plus courts devraient se traduire par un temps moyen de fixation plus court (Prédiction 4).
Cet effet de la distance sémantique devrait s'observer lorsque le contexte lexical ne permet pas une
discrimination visuelle de la cible (Prédiction 5). Par ailleurs, une cible sémantiquement distante
des items du contexte devrait être identifiée avec un taux de réussite plus élevé et un temps de
réponse plus court que la cible soit typique ou non. Cette rapidité de réponse devrait se traduire par
un temps moyen de fixation plus court (Prédiction 6).
Concernant la typicalité de la cible, nous nous attendons à ce qu'une cible typique soit
détectée avec un taux de réussite plus élevé et des temps de réponse plus courts qu'une cible non
- 183 -
typique. Cette rapidité de réponse devrait se traduire par un plus faible nombre de fixations
(Prédiction 7). De même, quelle que soit la discrimination visuelle de la cible, une cible typique
serait détectée avec des taux de réussite plus élevés et des temps de réponse plus courts qu'une cible
non typique. Cette rapidité de réponse devrait se traduire par un nombre de fixations plus faible
(Prédiction 8). Par ailleurs, que la cible soit sémantiquement proche ou distante des items du
contexte, nous nous attendons à ce qu’une cible typique soit détectée avec des taux de réussite plus
élevés et des temps de réponse plus courts qu’une cible non typique. Cette rapidité de réponse
devrait se traduire par un plus faible nombre de fixations (Prédiction 9).
II.6.2. Méthode
Les 120 essais construits dans cette expérience résultent de la combinaison de plusieurs
facteurs : les caractéristiques visuelles des scènes, les caractéristiques visuelles de la cible, la
distance sémantique entre la cible et son contexte, la typicalité. Les scènes visuelles utilisées dans
cette expérience sont celles qui ont été utilisées pour le groupe rouge dans l'expérience 2.2 (Tableau
22). Tout comme dans l'expérience 2.2, la cible peut être de couleur rouge, de couleur noire ou
conjonctive (mi-noire mi-rouge).
[N1P30M1]
[N7P24M1]
[N16P15M1]
[N30P1M1]
[N24P7M1]
Tableau 22. Les scènes visuelles utilisées pour l’e xpérience 5.
Pour cette expérience, trois critères de discrimination par type de cible ont été retenus. Ces
trois critères font référence aux résultats de l'expérience 2.2. La scène visuelle peut être soit
discriminante, soit neutre, soit masquante. Le type de discrimination visuelle de la scène dépend à
- 184 -
la fois du nombre de mots de couleur noire par rapport au nombre de mots de couleur rouge et de la
couleur de la cible.
Ainsi une scène visuelle est dite DISCRIMINANTE dans les cas suivants :
−
Pour une cible noire, la liste contient un mot de couleur noire (la cible), 30 mots de couleur
rouge et un mot conjonctif.
−
Pour une cible rouge, la liste contient un mot de couleur rouge (la cible), 30 mots de
couleur noire et un mot conjonctif.
−
Pour une cible conjo nctive, la liste contient un mot de couleur noire, 30 mots de couleur
rouge et un mot conjonctif (la cible).
Une scène visuelle est dite NEUTRE dans les cas suivants :
−
Pour une cible noire, la liste contient 7 ou 16 mots de couleur noire (dont la cible), 24 ou
15 mots de couleur rouge et un mot conjonctif.
−
Pour une cible rouge, la liste contient 7 ou 16 mots de couleur rouge (dont la cible), 24 ou
15 mots de couleur noire et un mot conjonctif.
−
Pour une cible conjonctive, la liste contient 7 ou 24 mots de couleur noire, 24 ou 7 mots de
couleur rouge et un mot conjonctif (la cible).
Une scène visuelle est dit MASQUANTE dans les cas suivants :
−
Pour une cible noire, la liste contient 24 ou 30 mots de couleur noire (dont la cible), 7 ou 1
mots de couleur rouge et un mot conjonctif.
−
Pour une cible rouge, la liste contient 24 ou 30 mots de couleur rouge (dont la cible), 7 ou
1 mots de couleur noire et un mot conjonctif.
−
Pour une cible conjonctive, la liste contient 16 mots de couleur noire, 15 mots de couleur
rouge et un mot conjonctif (la cible).
Chaque liste, ou scène visuelle, est composée de 31 mots plus la cible. Les 31 mots de la liste
appartiennent tous à la même catégorie d’objets. Le mot-cible varie selon deux dimensions :
−
Il est soit proche, soit distant sémantiquement de la catégorie des mots du contexte
−
Il est soit typique, soit non typique de sa catégorie d’appartenance.
La distance sémantique a été établie de la même manière que pour l’expérience
précédente (expérimentation 4, section II.5) : deux catégories sont dites sémantiquement proches si
la catégorie super-ordonnée commune est directe (par exemple
LEGUMES
et
FRUITS :
catégorie
super-ordonnée directe : VEGETAUX). Deux catégories sont dites sémantiquement distantes s'il est
- 185 -
nécessaire de remonter plusieurs niveaux catégoriels, pour identifier une catégorie super-ordonnée
commune.
La typicalité du mot cible est déterminée par le nombre de fois où ce mot est cité par les
participants sondés. Un mot est considéré comme typique s'il est dénommé par un minimum de dix
participants. Un mot est considéré non typique s'il est cité par un maximum de trois participants.
L’intégralité du matériel lexical, à savoir les mots constituant les contextes sémantiques, les
cibles selon leur typicalité, ainsi que le couplage catégorie du contexte et catégorie de la cible, est
présenté en annexes (section A.1.1.b.2 pour la sélection des mots et section A.1.2.b pour le
couplage cible -contexte).
A chaque essai est associée une consigne qui donne au participant la catégorie superordonnée de la cible à détecter, par exemple « détecter un exemple d’oiseau ».
Chaque condition résultant de la combinaison des cinq scènes visuelles, des trois caractéristiques
visuelles de la cible, des deux types de distance sémantique entre la cible et le contexte et de la
typicalité de la cible est présentée deux fois à chaque participant.
Le plan expérimental de cette expérience est : S20 * D3 * C2 * T2 , où
−
S20 représente les 20 participants
−
D3 le type de discrimination visuelle de la cible (discriminant, neutre ou masquant)
−
C2 la distance sémantique entre les mots du contexte et la cible (distant ou proche)
−
T2 la typicalité de la cible (typique ou non typique).
A la fin de la passation expérimentale, l'expérimentateur obtient 120 fichiers oculaires par
participant. Chacun de ces fichiers correspond à un essai. A chacun de ces essais est associée la
réponse verbale du participant, par exemple le mot « hirondelle » si il était la cible répondant à la
question « détecter un exemple d’oiseau ».
Un participant a été enlevé des analyses parce qu’il présentait un nombre de réussites total
très bas. Deux autres participants ont été enlevés de l’analyse des temps de réponse et des variables
oculaires : l’un parce qu’il n’a pas obtenu un minimum d’une réussite par condition expérimentale,
et pour le deuxième, parce que des problèmes de passation (calibrage) ont rendu impossible
l’exploitation de son protocole.
- 186 -
Ainsi les analyses sur les taux de réussites ont été effectuées sur 19 participants et les
analyses sur les autres variables dépendantes ont été effectuées sur 17 participants. Toutes nos
analyses ont été effectuées en plan apparié.
II.6.3. Les résultats et leurs interprétations
Les résultats sont présentés en 6 parties. Dans trois premières parties, nous étudions l’effet de la
discrimination visuelle, puis ceux de la distance sémantique et de la typicalité de la cible sur la
détection. Dans les trois parties suivantes, nous présentons les effets des interactions discrimination
visuelle * distance sémantique , discrimination visuelle * typicalité de la cible et distance
sémantique * typicalité.
L’intégralité des comparaisons planifiées effectuées pour cette expérience est présentée en
annexes (section A.3.5).
II.6.3.1. L’effet de la discrimination visuelle de la cible
Pour rappel, nous nous attendons à ce que plus la scène visuelle permet une discrimination visuelle
de la cible, plus les taux de réussite sont élevés et les temps de réponse courts (prédiction 1).
écarts-types associés selon la discrimination visuelle sont présentés dans le Tableau 23.
DISCRIMINATION VISUELLE DE LA CIBLE
DISCRIMINANT
NEUTRE
MASQUANT
TAUX DE REUSSITE
TEMPS DE REPONSE
NOMBRE DE FIXATIONS
.831
3,43
8,11
.213
1.49
3,27
.779
5.18
11,75
.158
1.25
2,51
.672
6.09
13.93
.223
1.49
3.73
Tableau 23. Moyennes (en gras) et écarts-types (en italique) des taux de réussite, des temps de réponse (en
seconde) et du nombre de fixations selon la discrimination visuelle de la cible.
La discrimination visuelle de la cible a un effet significatif sur les taux de réussite
(F(2,36)=14,19; p<.01) : une scène visuelle masquante engendre des taux de réussite
significativement plus faibles que les scènes visuelles discriminantes ou neutres (F(1,18)=23,64;
p<.01). La diminution de la discrimination visuelle engendre une augmentation significative des
- 187 -
temps de réponse (F(2,32)=68,29 ; p<.01) et du nombre de fixations (F(2,32)=41,45 ; p<.01) ; (le
détail des comparaisons planifiées pour ces deux variables dépendantes est présenté en annexes).
Comme attendu, la discrimination visuelle, qui est mesurée par la diminution du nombre de
mots perceptivement similaires à la cible, facilite les performances de détection.
II.6.3.2. L’effet de la distance sémantique
Nous nous attendions à ce qu'une cible sémantiquement distante soit détectée avec un taux de
réussite plus élevé et des temps de réponse plus courts qu'une cible sémantiquement proche
(prédiction 4). Ces temps de réponse plus courts devraient se traduire notamment par des temps
moyens de fixation plus courts.
temps moyens de fixation, des amplitudes saccadiques et les écarts-types associés selon la distance
sémantique sont donnés dans le Tableau 24.
DISTANCE SEMANTIQUE ENTRE LA CIBLE ET
MOTS DU CONTEXTE.
PROCHE
TAUX DE REUSSITE
TEMPS DE REPONSE (SECONDES)
NOMBRE DE FIXATIONS
TEMPS MOYENS DE FIXATION (ms)
AMPLITUDES SACCADIQUES
.699
5.47
12.05
458
1.73
.211
1.86
4,07
66
0.16
LES
DISTANT
.823
4.33
10.48
431
1.82
.174
1.52
3.79
64
0.18
Tableau 24. Moyennes (en gras) et écart types (en italique) des taux de réussite, des temps de réponse (en
secondes), du nombre de fixations, des temps moyens de fixations et des amplitudes saccadiques selon la
distance sémantique entre la cible et le contexte.
Les résultats obtenus dans cette expérience sont conformes à ceux de l’expérience
précédente (expérience 4) : un contexte sémantiquement distant permet de détecter la cible avec un
taux de réussite significativement plus important qu’un contexte sémantiquement proche de la cible
(F(1,18)=43,74 ; p<.01), avec un temps de réponse significativement plus faible (F(1,16)=38,91;
p<.01) accompagné par un nombre de fixations plus faible (F(1,16)=17,55 ; p<.01). Tout comme
dans l’expérimentation précédente, un contexte proche engendre des temps moyens de fixation plus
important qu’un contexte sémantiquement distant (F(1,16)=10,22 ; p<.01) et des saccades
significativement moins amples (F(1,16)=17,51 ; p<.01).
- 188 -
Les résultats obtenus ici confirment les résultats de l’expérience précédente : un contexte
sémantiquement distant de la cible facilite sa détection par rapport à la proximité sémantique de ce
contexte.
II.6.3.3. L’effet de la typicalité de la cible
Nous nous attendions à ce qu’une cible typique soit détectée avec plus de réussites et un temps de
réponse plus faible qu’une cible non typique (prédiction 7).
Les moyennes des taux de réussite, des temps de réponse du nombre de fixations et les
écarts-types associés selon la typicalité de la cible sont présentés dans le Tableau 25.
TYPICALITE DE LA CIBLE
TYPIQUE
NON TYPIQUE
TAUX DE REUSSITE
TEMPS DE REPONSE (SECONDES)
NOMBRE DE FIXATIONS
.850
4.49
10.34
.165
1.46
3.20
.190
1.99
4.49
.658
5.31
12.19
Tableau 25. Moyennes (en gras) et écarts-types (en italique) des taux de réussite, des temps de réponse et du
nombre de fixations selon la typicalité de la cible
Une cible typique est détectée avec un taux de réussite significativement plus élevé
(F(1,18)=55,20 ; p<.01) et significativement plus rapidement (F(1,16)=48,01; p<.01) qu'une cible
non typique. Cette rapidité de réponse se traduit par un nombre significativement plus réduit de
fixations (F(1,16)=24,09 ; p<.01).
Comme nous le supposions, une cible typique est détectée avec de meilleures performances
qu’une cible non typique.
II.6.3.4. L’interaction
entre
discrimination
visuelle
et
distance
sémantique
Rappelons que nous nous attendions à ce que l’effet de la discrimination visuelle obtenu
précédemment soit observé à la fois lorsque la cible est distante et lorsqu’elle est sémantiquement
proche du contexte lexical : plus la scène visuelle permet une discrimination visuelle de la cible,
plus les taux de réussite sont élevés et les temps de réponse courts. Ces temps de réponse plus
courts devraient se traduire par un plus faible nombre de fixations (prédiction 2). Par ailleurs, nous
- 189 -
nous attendons à ce que l'effet de la distance sémantique s'observe lorsque la scène visuelle est
neutre ou masquant du point de vue de la discrimination visuelle de la cible (prédiction 5).
L’interaction entre la discrimination visuelle et la distance sémantique est significative
pour les taux de réussite (Figure 75, F(2,36)=6,83 ; p<.01), marginalement significative pour les
temps de réponse (Figure 76, F(2,32)=2,95 ; p=.07), et significative pour le nombre de fixations
(Figure 77, F(2,32)=3,73 ; p=.03). En revanche, cette interaction n’est pas significative sur les
temps moyens de fixation (Figure 78, F(2,32)=2,46 ; p=.1, ns). Deux interprétations permettent de
rendre compte de ces interactions significatives : l'effet de la discrimination visuelle diffèrerait
selon la distance sémantique entre la cible et le contexte pour la première et l'effet de la distance
sémantique diffèrerait selon la discrimination visuelle de la cible, pour la seconde.
Cible proche sémantiquement
Cible distante sémantiquement
1,0
8
0,9
7
Temps de réponse
Taux de réussite
0,8
0,7
0,6
0,5
0,4
0,3
0,2
6
5
4
3
0,1
0,0
2
DISCRIMINANT
NEUTRE
MASQUANT
DISCRIMINANT
Discrimination perceptive de la cible
NEUTRE
MASQUANT
Figure 76. Temps de réponse en secondes
17
16
Nombre de fixations
15
14
13
12
11
10
9
8
7
6
5
DISCRIMINANT
NEUTRE
MASQUANT
Moyennes des taux de réussite (Figure 75), des temps de réponse (Figure 76), du nombre de fixations (Figure
77) et les erreurs-types associées selon la distance sémantique entre la cible et le contexte et la discrimination
perceptive de la cible
- 190 -
II.6.3.4.1. L’effet de la discrimination visuelle selon la distance sémantique.
Comme l'indique la Figure 75, l'effet de la discrimination visuelle diffère sur les taux de réussite
selon la distance sémantique entre la cible et le contexte lexical. Ainsi, lorsque le contexte est
sémantiquement distant de la cible, celle -ci est détectée avec des taux de réussite significativement
supérieurs lorsque la scène visuelle est discriminante que lorsqu'elle est neutre ou masquante
(F(1,18)=11,04 ; p<.01). En revanche, lorsque le contexte est sémantiquement proche de la cible,
une scène visuelle masquante engendre des taux de réussite significativement inférieurs aux deux
autres types de scène visuelle (F(1,18)=27,24 ; p<.01). En revanche, quelle que soit la distance
sémantique entre la cible et le contexte, l'augmentation de la discrimination visuelle de la cible
engendre une diminution significative des temps de réponse (Figure 76, pour un contexte distant :
F(2,32)=104,04; p<.01; pour un contexte proche : F(2,32)=25,81 ; p<.01) et du nombre de
fixations (Figure 77, pour un contexte distant : F(2,32)=62,02 ; p<.01 ; pour un contexte proche:
F(2,32)=19,95 ; p<.01).
Comme nous le supposions, la discrimination visuelle a un effet sur les performances et
ceci quelle que soit la distance entre la cible et le contexte.
II.6.3.4.2. L’effet de la distance sémantique selon la discrimination visuelle
Une cible sémantiquement distante du contexte est détectée avec des taux de réussite
significativement plus élevés lorsque la scène visuelle est discriminante (F(1,18)=16,14; p<.01) ou
masquante (F(1,18)=46,52; p<.01). Lorsque la scène visuelle est neutre, la différence des taux de
réussite entre les deux types de distance sémantique n'est pas significative (F(1,18)=2,54 ; p=.13,
ns). En revanche, quelle que soit la discrimination visuelle entre la cible et le contexte, un contexte
sémantiquement distant de la cible permet de détecter la cible significativement plus rapidement
qu'un contexte sémantiquement proche (Figure 76, F(1,16)=29,54; p<.01 pour une scène visuelle
discriminante ; F(1,16)=31,12 ; p<.01 pour une scène visuelle neutre; et F(1,16)=6,46 ; p=.02
pour une scène visuelle masquante). Seulement, cette différence de temps s’interprète
différemment par les mouvements oculaires selon la discrimination visuelle : un contexte
sémantiquement proche de la cible engendre significativement plus de fixations qu'un contexte
distant lorsque la scène visuelle est discriminante (F(1,16)=16,65 ; p<.01) et neutre
(F(1,16)=13,78 ; p<.01). Lorsque la scène visuelle est masquante, la différence de temps observée
entre les deux distances sémantiques s'explique principalement par les temps moyens de fixation :
un contexte sémantiquement proche engendre un temps moyen de fixation plus long (Figure 78,
F(1,16)=18,86; p<.01) qu’un contexte distant.
- 191 -
Temps de fixation moyens
500
450
400
350
DISCRIMINANT
NEUTRE
MASQUANT
Figure 78. Moyennes et erreurs-types des temps moyens de
fixation (en ms) selon la distance sémantique entre la cible et
le contexte et selon la discrimination perceptive de la cible
Contrairement à ce que nous supposions, une discrimination visuelle maximale de la cible
ne permet pas de combler la difficulté sémantique engendrée par la proximité sémantique du
contexte lexical.
II.6.3.5. L’interaction entre discrimination visuelle et typicalité de la cible
Rappelons que nous nous attendions à ce qu’une cible typique soit mieux détectée et avec un temps
de réponse plus faible qu’une cible non typique, ceci quelle que soit la discrimination visuelle de la
cible. Ce temps de réponse plus court devrait se traduire par un plus faible nombre de fixations
(prédiction 8).
- 192 -
Cible typique
Cible non typique
1,0
7
Temps de réponse
0,8
Taux de réussite
Cible typique
Cible non typique
8
0,6
0,4
0,2
6
5
4
3
0,0
DISCRIMINANT
NEUTRE
MASQUANT
2
DISCRIMINANT
NEUTRE
MASQUANT
Cible typique
Cible non typique
17
16
Nombre de fixations
15
14
13
12
11
10
9
8
7
6
DISCRIMINANT
NEUTRE
MASQUANT
Moyennes et erreurs-types associées des taux de réussite (Figure 79), des temps de réponse (Figure 80) et du
nombre de fixations (Figure 81) selon la typicalité et la discrimination perceptive de la cible.
Cette interaction n’est pas significative pour les taux de réussite (Figure 79, F(2,36)<1; ns),
les temps de réponse (Figure 80, F(2,36)=2,82; p=.07, ns) et le nombre de fixations (Figure 81,
F(2,32)=3,10 ; p=.06, ns).
Comme l'indique les Figure 79, Figure 80 et Figure 81, une cible typique est détectée avec
de meilleures performances qu’une cible non typique et ceci qu’elle que soit la typicalité de la
cible. Ainsi une discrimination visuelle maximale de la cible ne permet pas de compenser la
difficulté liée à la typicalité de la cible (le détail des comparaisons planifiées correspondant à ces
analyses est présenté en annexes).
- 193 -
Pour conclure, il apparaît que la discrimination visuelle n'est pas une aide pour détecter une
cible non typique. En effet, même dans le cas d'une discrimination maximale de la cible, une cible
non typique engendre des performances inférieures à une cible typique.
II.6.3.6. L’interaction entre distance sémantique et typicalité de la cible
Nous nous attendions à ce qu'une cible sémantiquement distante soit détectée avec des taux de
réussite plus élevés et des temps de réponse plus courts qu'une cible sémantiquement proche du
contexte et ceci quelle que soit la typicalité de la cible (prédiction 6).
L'interaction distance sémantique et typicalité de la cible n'a pas d'effet significatif sur les
taux de réussite (Figure 82, F(1,18)=2,95; p=.1, ns) et les temps moyens de fixation (Figure 83,
F(1,16)=0,58 ; p=.46, ns).
Cible typique
Cible non typique
Taux de réussite
0,8
0,6
0,4
0,2
0,0
proche
Cible typique
Cible non typique
500
1,0
450
400
350
300
distant
proche
Distance sémantique entre la cible et le contexte
distant
Figure 83. Temps moyen de fixation (ms)
Moyennes et erreurs-types associées des taux de réussite (Figure 82) et des temps moyen de fixation (Figure
83) selon la distance entre le contexte et la cible et selon la typicalité de la cib le
Comme l'indiquent les Figure 82 et Figure 83, quelle que la soit la distance sémantique
entre la cible et le contexte, une cible typique est détectée avec un taux de réussite
significativement plus élevé qu'une cible non typique. De même, quelle que soit la typicalité de la
cible, un contexte distant permet de la détecter avec un taux de réussite significativement plus élevé
qu'un contexte proche (détails des analyses en annexe).
L’interaction distance sémantique * typicalité de la cible est significative pour les temps de
réponse (F(1,16)=41,72 ; p<.01) et le nombre de fixations (F(1,16)=9,50; p<.01).
- 194 -
Cible typique
Cible non typique
7
Cible typique
Cible non typique
14
12
5
Nombre de fixations
6
4
3
2
10
8
6
4
1
2
0
proche
0
distant
proche
distant
Moyennes et erreurs-types des temps de réponse (Figure 84) et du nombre de fixations (Figure 85) selon la
distance entre le contexte et la cible et selon la typicalité de la cible.
Comme l'indiquent les Figure 84 et Figure 85, la typicalité de la cible n'a d'effet significatif
sur les temps de réponse et sur le nombre de fixations que lorsque le contexte est sémantiquement
proche de la cible : une cible typique est détectée avec des temps de réponse significativement plus
courts (F(1,16)=90,4; p<.01) et un nombre de fixations significativement plus faible
(F(1,16)=33,53; p<.01) qu'une cible non typique. En revanche, lorsque la cible est sémantiquement
distante du contexte, la typicalité de la cible n'a pas d'effet significatif sur les temps de réponse
(F(1,16)=0,89 ; p=.36, ns) et sur le nombre de fixations (F(1,16)=3,24 ; p=.09, ns). Néanmoins,
que la cible soit typique ou non, un contexte sémantiquement distant de la cible favorise une
recherche plus rapide et avec moins de fixations qu'un contexte sémantiquement proche (détails des
analyses en annexes).
Ces résultats nous indiquent ainsi que la distance sémantique facilite la détection d'une
cible non typique par rapport à la proximité sémantique.
II.6.4. Discussion
Cette expérience a permis de mettre en évidence les effets conjoints de certains facteurs visuels et
sémantiques. Dans un premier temps, elle nous permet de nuancer les résultats que nous avons
obtenus avec l’expérience précédente (expérimentation 4, section II.5). Dans un second temps, elle
nous permet d’observer l’effet d’une interaction de deux facteurs sémantiques : la distance
sémantique et la typicalité. Quel que soit l’angle envisagé, le but est alors de savoir si la facilité
- 195 -
visuelle peut compenser la difficulté sémantique ou au contraire si la facilité sémantique peut
compenser la difficulté visuelle. De même, la variation conjointe de deux facteurs sémantiques a-telle un effet cumulatif ou au contraire un effet compensateur : y a t-il un facteur sémantique qui
permette de compenser la difficulté du second facteur sémantique ?
Que nous apporte cette expérience sur l’effet de la distance sémantique par rapport à
l’expérience précédente ?
Avec l’expérience 2 (section II.3), nous avions observé que la discrimination visuelle de la
cible était plus facile à mettre en œuvre lorsque la scène visuelle contient trois groupes perceptifs
que lorsqu’elle en contient huit. De même, cette discrimination est plus aisée lorsqu’une seule
propriété est manipulée. Dans l’expérience précédente (expérimentation 4, section II.5), nous
avions observé qu’une cible sémantiquement distante du contexte lexical est détectée plus
facilement qu’une cible sémantiquement proche. En revanche, dans un cas de similarité visuelle
forte entre la cible et le contexte, cet effet de la distance sémantique est inhibé. Dans l’expérience
présente, nous retrouvons effectivement qu’une distance sémantique entre la cible et le contexte
favorise la détection de la cible mais, contrairement aux résultats de l’expérience précédente, et
contrairement à ce que nous supposions, cet effet de la distance sémantique est notable quelle que
soit la discrimination visuelle entre la cible et le contexte. Ainsi que la cible se détache ou non
perceptivement des autres mots du contexte, un contexte sémantiquement distant facilite toujours
sa détection par rapport à un contexte sémantiquement proche, et contrairement à ce que nous
supposions la facilité visuelle ne permet pas de compenser la difficulté sémantique.
Cette absence d’effet compensateur entre la discrimination visuelle et la proximité
sémantique, peut être due au fait qu’un mot qui est le seul à présenter une propriété particulière
dans l’environnement, n’est pas détecté immédiatement. En effet, dans ces cas de discrimination
visuelle maximale, les participants effectuent environ 7 fixations lorsque la cible est
sémantiquement distante du contexte et 9 lorsqu’elle est proche. Ceci suggère deux choses : d’une
part, même isolée perceptivement, la cible ne semble pas être en situation de « pop out » où environ
deux à trois fixations sont nécessaires pour la détecter (Zelinsky & Sheinberg, 1997). Cette nonobtention d’un pop out de la cible, peut résulter d’une part du nombre de mots à l’écran (32) et
d’autre part du fait que chaque mot est composé de lettres. De ce fait, même si le mot est considéré
comme une unité, son traitement n’est pas global, ceci multipliant ainsi le nombre d’éléments à
l’écran. De plus, face à cette hétérogénéité lexicale (le fait d’avoir 32 mots) et face à une tâche de
détection lexicale, le participant est peut être tellement focalisé sur l’aspect sémantique du contexte
qu’il en inhibe l’aspect visuel comme c’est le cas avec l’effet Stroop (Stroop, 1935),
- 196 -
D’autre part, dans la mesure où ils échantillonnent une partie de l’environnement avant de
détecter la cible, donc d’autres mots du contexte, les participants sont très certainement influencés
par ces mots et notamment par leur proximité sémantique avec la cible. Ces deux arguments
permettent d’interpréter les résultats obtenus dans cette expérience pour l’absence d’effet
compensateur de la discrimination visuelle de la cible sur la difficulté sémantique.
D’autre part, dans l’expérience précédente, nous avions observé que la discrimination
visuelle facilitait la détection d’une cible sémantiquement distante du contexte, tel n’était pas le cas
lorsque la cible était sémantiquement proche du contexte. L’expérience présente nous montre que
la discrimination visuelle de la cible, à savoir la diminution du nombre de mots qui présentent la
même propriété perceptive que la cible, facilite la détection de cette dernière, quelle que soit la
distance sémantique entre la cible et le contexte. Cette facilité de détection se caractérise par un
taux de réussite plus important et un temps de réponse plus court, associé à un plus faible nombre
de fixations. Ce résultat renforce les remarques émises lors de la discussion de l’expérimentation 2
sur la différence d’effet entre les expériences 2.1 et 2.2. Les difficultés rencontrées par les
participants lors de l’expérience 2.1 peuvent être attribuées à la difficulté de discriminer les
groupes de mots et d’utiliser ce découpage pour conduire une inspection profitable de la scène
visuelle.
Pour conclure sur cette partie, les résultats nous montrent que la discrimination visuelle et
la distance sémantique ont des effets cumulatifs sur les performances de détection et non pas des
effets compensateurs.
Que nous apporte cette expérience par rapport à l’effet de la typicalité de la cible ?
Comme attendu, une cible typique est plus facile à détecter qu’une cible non typique. Cette
facilité de détection se caractérise par un plus fort taux de réussite et des temps de réponse. Le
degré de typicalité de la cible est donc un facteur important de réussite et de rapidité dans sa
détection. Ensuite, comme nous le supposions, la discrimination visuelle n’a pas d’effet facilitateur
pour la détection d’une cible non typique. En effet, quelle que soit la typicalité de la cible,
amoindrir la discrimination visuelle de la cible engendre une diminution des performances et,
surtout, quelle que soit la discrimination perceptive de la cible par rapport à son contexte, une cible
typique est toujours détectée avec de meilleures performances qu’une cible non typique. Tout
comme précédemment, concernant les effets conjoints de la distance sémantique et de la
discrimination visuelle, cette discrimination visuelle et la typicalité de la cible ont des effets
cumulatifs mais pas compensateurs.
- 197 -
En revanche, il en va autrement lorsque la typicalité de la cible est en interaction avec la
distance sémantique : même si cette interaction n’a pas d’effet sur les taux de réussite, nous
observons tout de même que la distance sémantique a un effet qui facilite la détection d’une cible
peu typique en termes de rapidité. En effet, la typicalité de la cible n’a d’effet significatif sur les
temps de réponse que lorsque la cible est sémantiquement proche du contexte lexical. Ainsi, ces
résultats suggèrent que la distance sémantique entre la cible et le contexte facilite l’identif ication de
la catégorie super-ordonnée de la cible par rapport à la proximité sémantique. Notons que cette
distance sémantique ne facilite pas toujours cette identification, puisque la typicalité de la cible a
un effet sur les taux de réussite lorsque la cible est sémantiquement distante du contexte.
Seulement, lorsque celle -ci est correctement identifiée, elle l’est plus rapidement que lorsque la
cible est sémantiquement proche et tout aussi rapidement que si elle est typique.
Ce qui est intéressant dans cette expérience, c’est que la typicalité de cible est l’une des
rares variations qui ne dépendent du contexte. En effet, la typicalité de la cible, tout comme sa
familiarité est une propriété qui est vraiment propre à l’individu et qui ne dépend pas directement
du contexte comme la discrimination visuelle de la cible ou la distance sémantique de la cible. Bien
entendu nous pourrions tester l’effet de la typicalité selon la typicalité des mots du contexte
(détecter une cible typique ou non typique parmi des mots typiques ou non typiques) mais dans ce
cas, on se retrouverait dans une expérience proche de l’expérimentation 3 (section II.4) sur l’étude
de la fréquence lexicale.
Pour conclure, lorsque les deux facteurs manipulés sont sémantiques et perceptifs, nous
observons un effet cumulatif sur les performances. En revanche, lorsque les facteurs manipulés
sont tous les deux de nature sémantique, l’un de ces facteurs (ici la distance sémantique) a un effet
compensateur sur l’autre (la typicalité) : le premier permet ainsi de compenser la difficulté introduit
par le second.
- 198 -
III. DISCUSSION ET CONCLUSION
- 199 -
III.1. Discussion générale
Ce travail de recherche s’inscrit dans plusieurs champs d’études de la psychologie cognitive. Nous
avons défini les affordances lexicales comme étant une affordance liée au mot mais dont l’action
relevant de cette affordance s’effectue sur l’objet que désigne le mot. Par ailleurs, selon nous,
l’affordance lexicale relève de deux processus : une détection d’un mot parmi d’autres et une action
sur l’objet représenté par ce mot. Afin d’étudier la mise en place des affordances lexicales, nous
avons choisi d’utiliser une tâche de recherche d’information visuelle. Dans cette tâche, nous avons
manipulé les propriétés perceptives et sémantiques aussi bien de la cible que des mots qui
l’entourent (son contexte) afin d’étudier les conditions qui permettent à un mot particulier de
l’extraire de son contexte. Cette émergence d’un mot de son environnement est pour nous, la base
de la mise en place d’une affordance lexicale. Afin d’étudier plus finement les effets de nos
variables sur les comportements de recherche des participants, nous avons enregistré et analysé les
mouvements oculaires des participants lors de la réalisation de la tâche. Les expérimentations
menées ici ont permis de compléter les recherches sur la détection de cible, et d’enrichir
l’interprétation des mouvements oculaires sur ce type de tâche mais elles permettent surtout de
poser des bases pour la mise en place des affordances lexicales.
III.1.1. L’apport sur l’étude de la détection de cible ?
L’étude présentée ici, a permis d’une part, de décrire les facteurs visuels et les facteurs sémantiques
qui facilitent la détection d’une cible lexicale. D’autre part, les résultats nous permettent également
de décrire de façon plus détaillée les processus en jeu dans ce type de tâche, et ainsi de compléter
certains des modèles exposés dans la littérature sur ce domaine.
III.1.1.1. L’apport pour l’étude sur l’efficience de la recherche
Selon Duncan & Humphreys (1989), une situation efficiente du point de vue de la détection de la
cible consiste à présenter dans un environnement très homogène un item (en particulier la cible) qui
se distingue fortement visuellement de son contexte. Cela peut être par exemple, un mot de couleur
noire parmi des mots de couleur rouge. Ajouter de l’hétérogénéité dans la scène visuelle (plusieurs
groupes perceptifs) ou augmenter la similarité visuelle entre la cible et le contexte perturbe la
détection de la cible.
- 200 -
Dans certaines situations de recherche d’information visuelle de la vie courante, le but de la
recherche n’est pas connu. Par exemple pour la consultation de sites web, le concepteur du site ne
connaît pas à l’avance le but de la recherche des internautes et ce but peut varier d’un internaute à
l’autre. Si le concepteur désire que les internautes consultent une partie du site, les critères
d’efficience tels qu’ils sont décrits par Duncan & Humphreys (1989) suffisent pour l’agencement
de l’information à l’écran : mettre en avant la partie que le concepteur désire que l’utilisateur
consulte. Dans le cas où le concepteur ne connaît pas la requête de l’internaute et qu’il ne désire
pas contraindre l’internaute à une seule partie du site, les expériences menées dans cette étude
permettent de fixer certaines bases pour l’agencement et la définition de l’information à l’écran.
Nous pouvons faire quelques recommandations en matière d’ergonomie des interfaces type web ;
recommandations susceptibles d’enrichir les guides de recommandations déjà existant. Cette étude
permet par exemple d’identifier le rôle de la structure globale sur les performances de recherche et
les bases de distinction des groupes perceptifs ou des choix sémantiques à effectuer.
L’efficience de la recherche est influencée par les caractéristiques visuelles et sémantiques
de la scène visuelle. Ce sont ces caractéristiques qui orientent le parcours de recherche et facilitent
ou non la détection de la cible, ou plus particulièrement la dénomination du mot fixé comme étant
la cible recherchée. C’est une fois le parcours orienté par la scène visuelle, que les caractéristiques
de la cible influencent sa détection. Dans la mesure où les participants ne connaissent pas
l’apparence visuelle de la cible, faciliter sa détection revient à favoriser l’exploration du contexte
qui l’entoure. Dans les expériences menées ici, nous montrons que les participants sont influencés
par la structure globale et plus particulièrement par la possibilité de distinguer plusieurs groupes de
mots, que ce soit par le principe de proximité (expérimentation 1), ou par le principe de similitude
(expérience 2.2). La distinction de ces groupes permet d’orienter l’exploration. Quelles que soient
les bases de cette distinction, une cible a une plus grande probabilité d’être détectée rapidement si
elle se situe dans l’un des premiers groupes parcourus. Cette affirmation a surtout été testée dans le
cas d’une distinction selon le principe de similitude (expérience 2.2). Mais nous pouvons
facilement penser que c’est également le cas lorsque la distinction entre les groupes s’effectue
selon le principe de proximité. Dans cette expérimentation (expériences 1.1 et 1.2), la position de la
cible dans la scène visuelle n’a pas été prise en compte dans nos analyses sur les performances de
détection car même si cette position de la cible a été contrebalancée d’un essai à l’autre et peut
donc être analysée à posteriori, nous n’avons pas contraint les participants à commencer par une
partie spécifique de la présentation. Or, nous pouvons nous attendre tout de même à ce que lorsque
la cible fait partie des premières zones parcourues (comme par exemple l’une des colonnes du haut
de la structure hybride2), elle soit identifiée plus rapidement que si elle se trouve dans l’une des
dernières zones parcourues par les participants (comme par exemple les deux colonnes du bas pour
- 201 -
la structure hybride2). Et ceci n’est pas forcément dû au fait que ces zones soient en haut ou en bas
de la structure mais plutôt au type d’exploration dans lequel s’engage le participant. Ainsi par
exemple, l’expérience 1.1 a montré que face à une structure hybride1, les participants commencent
principalement leur recherche par le centre de la scène visuelle, et si la cible se situe dans cette
partie de la zone, elle sera détectée très rapidement par le participant, par rapport au cas où elle
situe dans les lignes réparties en haut ou en bas de la scène visuelle.
Les expérimentations 1 et 2 montrent, d’une part, que la structure globale de présentation
induit un certain parcours de recherche. D’autre part, elles montrent que toutes les propriétés
visuelles ne sont pas équivalentes du point de vue de la distinction visuelle des groupes perceptifs.
Et enfin, elles montrent que lorsque trop de propriétés visuelles sont variées au sein des groupes
perceptifs, la distinction visuelle de ces groupes n’est plus possible. Mais contraindre le parcours de
la scène n’est pas suffisant, les caractéristiques de la cible jouent également un rôle, comme le
montre par exemple l’expérience sur l’effet de la typicalité (expérience 5). Imaginons que les
propriétés visuelles et sémantiques de la scène visuelle permettent très rapidement au participant de
fixer le mot cible mais que ce mot n’est pas identifié comme étant la cible recherchée, une telle
aide visuelle ne permet pas de compenser cette difficulté sémantique. Il faut donc que le mot fixé
reflète les propriétés de la cible aussi bien celles qui sont connues que celles que le participant lui
attribue du fait de ces connaissances, comme c’est le cas dans nos expériences. Par exemple, si le
participant n’identifie pas le mot «autruche » comme faisant partie de la catégorie « OISEAU »,
même en étant très rapidement orienté sur ce mot, il passera à un autre mot dans la liste car ce mot
« autruche » fixé ne reflètera pas, pour lui, les propriétés de la cible.
Ainsi, certes il faut que la scène visuelle facilite son exploration, mais il faut également que
la cible évoque au participant les propriétés qu’il pourrait attribuer à cette dernière. Cette évocation
est plus facile lorsque le contexte est sémantiquement distant de cette cible et lorsque celle -ci est
typique de sa catégorie super-ordonnée.
Nous pouvons donc envisager la recherche d’information comme étant dirigée par un
processus en deux étapes : une exploration globale de la scène visuelle qui est guidée par ses
propriétés visuelles et sémantiques, et une sélection du mot approprié qui est guidée par les
propriétés de ce mot : ce mot n’est sélectionné que si ces propriétés correspondent aux propriétés
de mon but.
- 202 -
III.1.1.2. L’apport pour l’étude des processus cognitifs impliqués
Il est important de rappeler les différences majeures entre nos expériences et celles menées plus
traditionnellement dans ce domaine de recherche. D’une part, dans nos expériences les participants
ne connaissent pas les caractéristiques visuelles ni de la cible, ni des items qui l’entourent. Ainsi,
cela permet d’étudier comment le contexte de la cible dirige, guide l’exploration de la scène
visuelle et la détection de la cible, sans que le participant ne puisse anticiper cette exploration avant
l’apparition de la scène visuelle. D’autre part, dans les expériences traditionnelles, la variation
majeure concerne le nombre de stimuli présents simultanément avec la cible. Dans toutes nos
expériences, ce nombre est constant d’une condition expérimentale à l’autre. Ce qui varie dans les
expériences correspondantes (expérimentations 2, 4 et 5) est le nombre de stimuli dans la scène
visuelle qui présentent une certaine propriété visuelle, permettant ainsi de varier le nombre de
stimuli dans le contexte ayant les mêmes propriétés que la cible. Cette manipulation permet de
varier la discrimination visuelle de la cible par rapport au contexte. Enfin, dans la majorité des
études, la discrimination de la cible par rapport au contexte, se fait par des caractéristiques
visuelles. Dans les expériences menées ici, les variations sont aussi d’ordre sémantique avec la
fréquence lexicale, la distance sémantique entre la cible et le contexte, et la typicalité. Ce qui
permet à la fois de décrire les effets de ces facteurs seuls mais également de les décrire en
interaction avec les facteurs visuels.
Lors de la détection d’une cible, un ou deux processus de recherche, selon les auteurs, sont
impliqués. Selon Treisman (1988), la détection d’une cible peut s’effectuer soit pré-attentivement,
soit par focalisation de l’attention. Dans le premier cas, nous sommes face à une recherche en
parallèle car celle -ci s’effectuerait lors du traitement en parallèle des traits présents dans la scène
visuelle. Dans le second cas, la recherche est sérielle car elle implique une inspection item par item
de l’environnement. Selon Cave & Wolfe (1990), la détection d’une cible n’implique qu’une
recherche sérielle et cette inspection s’effectue en commençant par l’item ayant le plus d’activation
(ce qui est le cas pour une cible en situation de pop out) et en continuant par les items dont le
niveau d’activation est de plus en plus faible. Selon Cave & Wolfe (1990), et Wolfe (1994), le
niveau d’activation d’un item est déterminé à la fois par les caractéristiques propres des stimuli :
certaines propriétés engendreraient plus d’activation que d’autres comme par exemple la couleur
magenta qui engendre plus d’activation que la couleur rouge (permettant ainsi d’interpréter les
asymétries de recherches). Et cette activation est également déterminée par les connaissances que
les participants ont de la cible : d’où le rôle du traitement Top Down. En effet, si les participants
connaissent par exemple la couleur de la cible, les stimuli traités qui présentent cette couleur,
recevront plus d’activation que les stimuli qui ne présentent pas cette couleur. Dans ce cadre là,
- 203 -
l’inspection de la scène visuelle consiste en une correspondance entre le traitement top down et le
traitement bottom up (traitement dirigé par les données, en d’autres termes dirigé par les propriétés
de la scène visuelle).
Nos résultats confirment que même lorsque la cible est un mot, les propriétés visuelles
n’ont pas toutes le même poids du point de vue de la détection. Ainsi par exemple, la propriété
italique ne permet pas de différencier les groupes perceptifs, suggérant ainsi l’absence d’effet
observable qui proviendrait d’une absence de différence d’activation entre les mots en italique et
ceux qui ne le sont pas. De plus, les résultats nous indiquent que la mise en italique perturbe le
traitement du mot écrit (expérience 2.2). Ensuite, les résultats concernant l’effet du nombre de mots
qui présentent la même propriété perceptive que la cible viennent compléter les résultats obtenus
par Shen, Reingold & Pomplum (2000) : même sans connaître les caractéristiques visuelles de la
cible, les participants commencent par inspecter le groupe ayant le moins de représentants (sans
pour autant savoir si ce groupe a une propriété commune avec la cible). Ces résultats suggèrent que
les items correspondant aux cartes de traits ayant le moins de représentants reçoivent plus
d’activation et de ce fait sont les premiers à être inspectés car l’attention est dirigée
préférentiellement vers ces items.
Enfin, il y a l’effet sémantique qui peut compléter les deux modèles que sont celui de la
Théorie d’Intégration des Traits de Treisman & Gelade (1980) et de Treisman (1988) et celui de la
Théorie du guidage lors de la recherche visuelle (Cave & Wolfe, 1990 et Wolfe, 1994). Cet aspect
sémantique provient d’une part de la reconnaissance des mots. La reconnaissance des mots écrits,
comme oraux, implique un accès au lexique mental contenant en plus des caractéristiques
orthographiques, phonétiques, syntaxiques, des caractéristiques sémantiques. Ainsi, la perception
de la scène visuelle suppose une décomposition des mots en traits et une recomposition de ces traits
pour percevoir les lettres puis reconnaître les mots. Ainsi, les mots sont décomposés aussi bien en
traits qui les composent qu’en propriétés visuelles comme la couleur, la police etc… La sémantique
des mots qui joue à deux niveaux : d’une part au niveau de la reconnaissance du mot (ce qui est très
rapide) et au niveau de la représentation de ce que les mots désignent. C’est à ce niveau que
l’attention du participant sera soit focalisée sur un autre mot, soit que la recherche s’arrêtera car le
participant aura identifié la cible. Prenant le modèle de Treisman (1988) nous pouvons envisager
d’intégrer l’aspect sémantique tel qu’il est présenté dans la Figure 86.
- 204 -
Figure 86. Intégration de la sémantique dans le modèle de Treisman (1988).
Concernant le modèle de Wolfe (1994), l’intégration des connaissances sémantiques peut
s’effectuer comme indiqué dans la Figure 87.
Figure 87. Intégration de la sémantique dans le modèle de Wolfe (1994).
- 205 -
Quelle que soit la modélisation considérée, ce sont l’intégration sémantique du mot (cible
ou autre mot de la scène visuelle) en cours de traitement et la comparaison de la signification
trouvée avec la catégorie de la cible, et avec les propriétés que les participants attribuent à la cible,
qui permettent de dénommer le mot en cours du traitement comme étant la cible ou non. En
revanche, le passage d’un stimulus mot à un autre s’effectue sur des critères visuels, avec le
déplacement de l’attention selon les caractéristiques visuelles de la scène visuelle. La sémantique
n’interviendrait que pour la reconnaissance du mot (rôle de la fréquence lexicale et de la typicalité)
et pour le temps de comparaison entre le mot traité et la connaissance qu’on a de la cible.
Selon Duncan & Humphreys (1989), la détection de la cible dépend de la similarité visuelle
entre la cible et le contexte. Or, le traitement de la similarité, et par complémentarité celui de la
différenciation, est la base de la catégorisation contextuelle (Tijus, 2001). Ce traitement de la
similarité et de la distinction entre les objets de l’environnement permet l’obtention d’un réseau
d’inclusion de catégories (Poitrenaud, 1995), à partir duquel se fait une prise de décision. Ce réseau
de catégories sous le formalisme du Treillis de Galois pourrait modéliser la mise en relation des
catégories d’objets par l’intermédiaire de la mise en relation des propriétés de ces objets. Ainsi, le
Treillis de Galois permettrait de modéliser l’organisation du monde à partir de l’organisation des
objets dans ce monde et de la distribution des propriétés sur les objets pour former les catégories
d’objets. Cette formalisation sous Treillis de Galois permettrait de rendre compte des résultats
observés lors de la détection d’une cible, qu’elle se distingue par un trait de son contexte ou qu’elle
soit conjonctive (présenter un trait de chaque groupe de stimuli du contexte) (Mérand, Tijus &
Poitrenaud, 2003).
Face à une scène visuelle composée de 5 X de couleur bleue et de 5 O de couleur rouge,
selon les caractéristiques de la cible, le Treillis de Galois résultant peut ainsi permettre d’interpréter
les différences de performances selon les caractéristiques perceptives de la cible. Lorsque la cible
est un R de couleur verte, elle est en situation de pop out dans ce type de scène visuelle. Le Treillis
de Galois résultant de cette situation est représenté dans la Figure 88. Les cercles représentés dans
ce treillis formalisent les catégories d’objets. A chacune de ces catégories sont attachées les
propriétés (f:) qui sont spécifiques à cette catégorie ainsi que le nombre d’objets présents dans cette
catégorie (o:). Les arcs représentent les relations d’implication existant entre deux catégories
reliées. Ainsi, par exemple dans la Figure 88 être un objet de la catégorie « R,vert » implique
« avoir une forme », « avoir une couleur » qui sont les propriétés de la catégorie la plus générale.
- 206 -
Figure 88. Treillis de Galois résultant de la présentation d’un R de couleur verte parmi 5 O de couleur rouge
et 5 X de couleur bleue.
Le Treillis de la Figure 88 met en avant trois catégories d’objets distinctes. Du fait, de nos
résultats et de ceux obtenus dans la littérature sur les proportions des groupes de stimuli présents
dans la scène visuelle (Poisson & Wilkinson, 1992 ; Shen, Reingold & Pomplum, 2000) le parcours
du treillis pour détecter la cible s’effectue en commençant par la catégorie qui a le moins d’objets
ici en l’occurrence la catégorie « vert, R » qui a un objet. En revanche, lorsque la cible se distingue
par une conjonction des propriétés présentées par les éléments du contexte (par exemple être un X
rouge dans le même type de scène visuelle) le treillis de Galois retranscrivant cette situation est
plus complexe (Figure 89).
- 207 -
Figure 89a. Scène comportant les deux groupes de stimuli en proportion équivalente (5 éléments de chaque)
Figure 89b. Scène comportant les deux groupes de stimuli en proportion non équivalente (3 O rouges et 7 X
bleus)
Figure 89. Treillis de Galois résultant de la présentation d’un X de couleur rouge parmi des O de couleur
rouge et des X de couleur bleu selon la proportion des deux groupes de stimuli (proportion équivalente :
Figure 89a ; proportion non équivalente : Figure 89b).
Sans prendre en compte pour le moment, le nombre d’éléments dans chaque groupe
perceptif, les treillis de Galois de la Figure 89 nous montrent d’une part, que le nombre de
catégories résultant de cette situation est plus important que dans la Figure 88. Ce nombre est de 5
contre 3 pour la condition de pop out ; plus la catégorie très générale au sommet du Treillis. De
plus, contrairement à la condition de pop out, ici la catégorie représentant la cible (la catégorie
centrale à la base du Treillis dans la Figure 89) ne présente pas une seule propriété qui permet de la
distinguer des autres catégories d’objets représentées dans ce Treillis. Ainsi le premier déterminant
pour l’exploration d’une scène visuelle n’est pas le nombre d’objets dans une catégorie mais la
distinction entre les catégories qui s’effectue sur la présence d’une propriété qui est propre à cette
catégorie : sont ainsi parcourus en premier lieu tous les objets d’une catégorie qui possède une
propriété qui lui est propre. Par exemple, face à une scène visuelle contenant 5 O de couleur rouge
- 208 -
et autant de X de couleur bleue, pour détecter une cible définie par un X de couleur rouge, le
participant a la possibilité d’inspecter en premier lieu tous les X ou tous les rouges. Il s’agit ici de
deux catégories assez importantes qui ont des propriétés qui leur sont propres. Une fois que le
participant se sera focalisé sur une catégorie (les X par exemple), il inspectera la sous catégorie qui
aura également une ou plusieurs propriétés qui lui seront propres avant d’accéder à la catégorie de
la cible. Ce type de parcours permet d’expliquer pourquoi l’augmentation du nombre de stimuli
présents simultanément avec la cible engendre une augmentation des temps de détection de la cible.
Enfin, lorsque les groupes de stimuli ne sont pas en nombre équivalent, comme il est représenté
dans la Figure 89b, la première catégorie inspectée est celle qui présente une propriété qui lui est
propre et qui a le moins d’instances (comme c’est le cas ici pour la catégorie rouge qui contient 5
instances réparties à deux catégories).
La formalisation par Treillis de Galois permet également d’interpréter les différences
d’effet du nombre de mots présentant le s mêmes propriétés perceptives que la cible observées dans
les expériences 2.1 et 2.2. (section II.3). Prenant uniquement la scène visuelle que nous avions
appelée « a1 » dans l’expérience 2.1 (section II.3.2), nous pouvons construire le treillis de Galois
présenté dans la Figure 90. Pour rappel, cette scène visuelle contient 4 mots de couleur noire, non
soulignés, non italique, 4 mots de couleur noire, non soulignés, italique, 4 mots de couleur noire,
soulignés, non italiques, 4 mots de couleur noire soulignés, italiques, 4 mots de couleur rouge, non
soulignés, non italique, 4 mots de couleur rouge, non soulignés, italique, 7 mots de couleur rouge,
soulignés, non italiques et 1 mot de couleur rouge, souligné, italique.
- 209 -
Figure 90. Treillis de Galois résultant de la scène visuelle a1 présentée dans l’expérience 2.1.
La première remarque concernant ce treillis est que bien que la scène visuelle contienne 8
groupes de mots, le nombre de catégories en résultant est de 11 plus la catégorie la plus générale.
De plus, toutes ces catégories n’ont pas le même poids : certaines contiennent des objets d’autres
non. Enfin, les groupes perceptifs de cette scène visuelle sont présents à plusieurs niveaux : à des
niveaux subordonnés, à des niveaux super-ordonnés et à des niveaux intermédiaires. Ce treillis
nous indique enfin qu’aucun groupe perceptif n’a de propriété qui lui soit propre. En revanche, en
formalisant également deux scènes visuelles présentées dans l’expérience 2.2 nous obtenons les
deux Treillis de Galois de la Figure 91. La différence entre ces deux nouveaux Treillis réside dans
le nombre d’objets présents dans chaque catégorie (16 ou 7 pour la catégorie noire et 15 ou 24 pour
la catégorie rouge).
- 210 -
Figure 91a
Figure 91b
Figure 91. Treillis de Galois résultant des scènes visuelles présentées lors de l’expérience 2.2. Dans le treillis
de gauche (Figure 91a) la scène est composée de 16 mots de couleur noire, 15 mots de couleur rouge et d’un
mot mi-noir mi-rouge. Dans le treillis de droite (Figure 91b) la scène visuelle est composée de 24 mots de
couleur noire et de 7 mots de couleur rouge ainsi que d’un mot mi -noir mi-rouge.
Contrairement à précédemment, nous pouvons remarquer que dans ces deux exemples, le
nombre de catégories résultant de la scène visuelle est de 3 plus la catégorie très générale. De plus,
les groupes perceptifs
ROUGE
et
NOIR
présents dans la scène visuelle, sont représentés par des
catégories à part entière qui ont une propriété qui leur est propre. Seul le mot conjonctif ou mixte
(mi-noir mi-rouge) n’a pas de propriété qui lui est propre. Ainsi ce treillis confirme le fait que dans
l’expérience 2.2, la distinction des groupes est plus facile que dans l’expérience 2.1 et que, de ce
fait, la mise en place d’un parcours de recherche basé sur cette distinction est plus facile,
permettant ainsi d’observer une diminution des temps de réponse conjointe à une diminution du
nombre de mots de couleur identique à la cible. Pour la propriété italique, nous devrions obtenir le
même type de Treillis de Galois à la différence que cette propriété n’apparaît pas avoir un poids
très distinctif qui permette la perception différenciatrice de ces deux groupes de mots.
Ce type de formalisation est également possible en intégrant le niveau sémantique des
mots. Dans nos expériences nous avons manipulé la distance sémantique existant entre la cible et
les mots du contexte. Cette distance sémantique se caractérise par le nombre de propriétés qui sont
- 211 -
partagées par les deux catégories considérées : plus ce nombre est important et plus ces catégories
sont sémantiquement proches. Dans la Figure 92, est illustré le cas d’une scène visuelle contenant
16 mots de couleur noire, 15 mots de couleur rouge et un mot conjonctif. Dans cette scène figure
également une cible qui est de couleur rouge et dont la catégorie est soit sémantiquement proche
des mots du contexte (Figure 92a , détecter un oiseau parmi des insectes) soit distante
sémantiquement des mots du contexte (Figure 92b détecter un jouet parmi des insectes).
La différence entre ces deux Treillis ne se situe pas au niveau de la distinction directe entre
les deux groupes sémantiques de mots : ce sont les mêmes catégories d’objets qui présentent les
propriétés distinctives. Ceci peut permettre d’interpréter les effets conjonctifs de la discrimination
sémantique et de la discrimination visuelle sur la détection de cible. En effet, quelle que soit la
configuration visuelle, les propriétés qui permettent de distinguer sémantiquement la cible des mots
du contexte (qu’ils soient sémantiquement proches ou non) sont au même niveau et ne sont pas
confondue avec une même catégorie fondée sur des propriétés visuelles. En revanche, la différence
entre les deux Treillis est au niveau du nombre de propriétés portées par la catégorie la plus
générale (la plus haute dans le treillis). Lorsque les deux catégories sémantiques sont
sémantiquement proches (Figure 92a), cette catégorie présente un certain nombre de propriétés
sémantiques qui lui sont propres, ce qui n’est pas le cas lorsque la cible et le contexte sont
sémantiquement distants (Figure 92b). La différence dans le nombre et l’organisation des
catégories entre les Figure 91 et Figure 92 nous montre que l’intégration de propriétés sémantiques
dans la scène visuelle complexifie le Treillis de Galois et, dans les cas présentés ici, il n’y a que
deux catégories sémantiques. Cette formalisation avec le Treillis de Galois permet ainsi de mettre
en évidence les difficultés ou les facilités auxquelles les participants sont confrontées lors de la
présentation de scènes visuelles dans lesquelles figurent plusieurs groupes de stimuli. Elle permet
notamment de rendre compte des effets de la similarité et de l’hétérogénéité aussi bien visuelles
que sémantiques des objets présents dans l’environnement sur la détection d’une cible particulière,
mais également sur le type d’exploration dans lequel le participant peut s’engager pour la détecter.
- 212 -
Figure 92a. Cible sémantiquement proche des mots du contexte
Figure 92b. Cible sémantiquement distante des mots du contexte
Figure 92. Treillis de Galois résultant d’une scène visuelle contenant 15 mots de couleur rouge (dont la
cible), 16 mots de couleur noire et un mot conjonctif. La cible peut être soit sémantiquement proche des mots
du contexte (Figure 92a) soit sémantiquement distante de ces mêmes mots (Figure 92b)
Pour résumer, ces études montrent que même si les facteurs visuels et sémantiques ont des
effets similaires sur les temps de réponse et la réussite, les processus sous-jacents à ces facteurs
diffèrent. Ainsi, les facteurs visuels tels que la structure de la scène visuelle, de la liste de mots, ou
le nombre de mots présentant un certain type de propriétés, ont un effet sur les processus de
recherche et d’abord sur le type d’exploration dans lequel les participants peuvent être amenés à
s’engager. Par ailleurs, les facteurs sémantiques ont plutôt un effet sur le traitement des mots
- 213 -
présents dans l’environnement. Dans le cas des expériences présentes, cette difficulté de traitement
se situe surtout au niveau de l’identification du mot : à quelle catégorie de concept ce mot renvoie t-il ? En revanche, comme nous l’avons vu également dans cette étude (expérience 2.2), les facteurs
visuels peuvent également avoir une influence sur les processus de traitement. Par exemple, la mise
en forme italique engendre des difficultés dans la reconnaissance du mot en terme d’appariement
des formes à celles déjà contenues dans le lexique interne.
III.1.2. L’apport de l’analyse des mouvements oculaires
Dans les recherches sur la détection de cible, l’analyse des mouvements oculaires a surtout permis
de décrire plus finement deux processus de recherche impliqués dans ce type de tâche : la recherche
en parallèle et la recherche sérielle (Zelinsky & Sheinberg, 1995).
III.1.2.1. L’apport sur les variables oculaires utilisées
Dans les études utilisant les mouvements oculaires lors d’une tâche de détection de cible, plusieurs
variables oculaires sont analysées : le nombre de fixations (ou de saccades correspondant au
nombre de mouvements oculaires réalisés par les participants), les temps de fixations (le temps de
pause que le participant effectue sur un élément de la scène visuelle), les amplitudes saccadiques
(la taille des déplacements oculaire), mais également l’erreur saccadique et la latence avant que le
participant n’effectue un mouvement. Ces deux variables sont des variables intermédiaires dans la
mesure où elles dépendent d’autres variables oculaires. L’erreur saccadique correspond à la
distance entre la fixation repérée (en général la deuxième fixation, la première fixation
correspondant au point que les participants doivent fixer avant l’apparition de l’essai expérimental)
et la position d’un item particulier dans la scène visuelle (en général la cible). Pour analyser cette
variable, il faut en premier lieu déterminer la position de la fixation considérée et celle de la cible,
puis calculer la distance qui sépare ces deux points. La latence avant le premier mouvement
correspond au temps de pause observable lors de la première fixation. Ce temps serait celui
nécessaire pour répondre à la question : « où bouger le regard ? ». L’analyse des mouvements
oculaires est surtout effectuée dans des tâches de lecture pour permettre de rendre compte des
processus cognitifs en jeu dans ce type de tâche, et plus particulièrement de rendre compte de la
construction de la représentation de ce qui est décrit dans le texte. Dans ce cadre là, les
mouvements oculaires sont décrits selon la manipulation de plusieurs variables, mais également
pour répondre à deux questions majeures dans la lecture qui reflètent la prise d’information
visuelle : où et quand bouger les yeux ? (Rayner, 1998). Habituellement, la question « où bouger
- 214 -
les yeux ? » est traitée à travers la localisation des fixations (quel mot dans la phrase est fixé ou
alors quelle est la position de la fixation dans le mot pour l’appréhender?) et la question « quand
bouger le regard ? » est traitée à travers les temps de fixation. Ces temps reflètent à la fois le temps
nécessaire pour appréhender le mot fixé, voire l’intégrer dans la représentation qui est en cours de
construction, mais ils reflètent à la fois le temps nécessaire pour calculer la position de la prochaine
fixation. Analyser la latence pour effectuer le premier mouvement correspond à cette dernière
réponse : rendre compte de la difficulté ou non de décider « où bouger son regard ? » à partir de
« quand bouger ses yeux ? ».
Dans notre travail de recherche, seuls le nombre de fixations, les temps moyens de fixation
et plus rarement les amplitudes saccadiques ont été pris en compte. Nous n’avons pas pris en
compte dans nos analyses l’erreur saccadique pour deux raisons. D’une part, le dispositif utilisé ici
accepte une erreur dans la position de la fixation jusque 0,5 cm. De ce fait, nous ne pouvons être
précis en ce qui concerne la distance entre la position d’une fixation et la position de la cible,
surtout que cette erreur de maximum 0,5 cm peut varier entre les participants, mais également lors
des essais d’un même participant. Il y a donc trop de variables parasites pour nous permettre
d’analyser précisément l’effet de nos variables expérimentales sur cette erreur saccadique. Il n’en
reste pas moins que cette erreur de 0,5 cm est tout de même acceptable pour nous permettre de
décrire avec précision le type d’exploration dans lequel le participant s’engage, tel que cela a été
effectué dans l’expérimentation 1 (section II.2). En effet, pour ces deux expériences, la position de
la fixation en terme de zone permet de répondre à l’objectif de l’étude. D’autre part, l’intérêt
d’analyser l’erreur saccadique réside dans l’objectif de mesurer l’erreur de positionnement du
regard selon les variations expérimentales : qu’est-ce qui fait que le regard ne va pas directement
sur la cible et qu’est-ce qui fait que, dans certains cas, cette erreur est plus importante ? Ainsi, par
exemple, Williams, Reingold, Moscovitch & Behrmann (1997) montrent que lorsque la recherche
est de type parallèle, cette erreur est moins importante que lorsque la recherche est sérielle. De
même, cette erreur est sensible fortement à l’augmentation du nombre de stimuli présents
simultanément avec la cible lors de la recherche sérielle. L’analyse de cette variable permet ainsi de
savoir si la scène visuelle ou encore les connaissances des participants permettent de diriger
efficacement le regard très rapidement vers la cible. Ainsi, l’analyse de cette variable n’est justifiée
que si la détection s’effectue par l’intermédiaire de peu de fixations (2 ou 3 fixations avant de
détecter la cible). Dans nos expériences, nous avons pu observer que même dans une situation
proche d’un pop out de la cible, le nombre de fixations est d’environ 5.
- 215 -
III.1.2.2. L’apport pour l’étude des processus cognitifs en jeu
Dans les études menées dans ce travail de recherche, l’analyse des mouvements oculaires a permis
d’une part d’affiner la description des temps de réponse et l’étude de l’effet des variables
expérimentales sur les processus se réalisant lors du temps de réponse. D’autre part, l’analyse des
mouvements oculaires nous permet également de décrire les types d’exploration dans lequel le
participant s’engage.
Les analyses effectuées à l’aide des mouvements oculaires nous permettent également
d’observer que les variations visuelles ont surtout un effet sur le nombre de fixations : augmenter le
nombre de mots présentant la même propriété perceptive que la cible engendre une augmentation
du nombre de fixations, permettant ainsi de décrire un parcours d’exploration basé sur l’exploration
d’un premier groupe de stimuli avant l’exploration d’un second groupe. Ainsi, l’augmentation des
temps de réponse observée est bien due à une augmentation des localisations de prise d’information
visuelle dans la scène visuelle plutôt qu’à un temps de traitement plus long (une scène visuelle
constituée de mot écrits avec une couleur rouge serait plus difficile à identifier que des mots écrits
avec une couleur noire). De plus, nous avons trouvé également que les variations sémantiques ont
un effet, soit sur le nombre de fixations (effet de la typicalité de la cible), soit sur les temps de
fixations et sur les amplitudes saccadiques (effet de la distance sémantique entre la cible et le
contexte). Dans le cas de l’effet de la typicalité, il s’agit d’une variable liée directement à la cible.
Dans le cas de la distance sémantique, il s’agit d’une variable liée à la relation sémantique existant
entre la cible et les mots du contexte. Dans ce dernier cas, les temps moyens de fixation témoignent
de la facilité ou non de transiter du mot en cours de fixation au mot suivant. Cette transition est
d’autant plus facile et importante en terme de distance (amplitudes saccadiques) lorsque l’item en
cours de fixation est facilement identifiable comme n’étant pas la cible recherchée. Nous avons
donc un deuxième cas d’effet de la scène visuelle visible sur la latence avant d’effectuer le
mouvement. Dans le cas des variations sémantiques effectuées dans ce travail, cet effet est visible
sur l’ensemble des fixations effectuées lors de la réalisation de la tâche et pas seulement sur la
première fixation.
L’analyse des mouvements oculaires nous a ainsi permis de savoir si un temps de réponse
plus long était dû à une difficulté dans le processus de recherche (visible ici à travers le nombre de
fixations) ou à une difficulté de traitement de l’information présentée à l’écran (visible ici à travers
les temps de fixation moyens). Cette difficulté de traitement peut être d’ordre sémantique comme
nous l’avons détaillé plus haut, mais elle peut également être d’ordre visuel. En effet, l’une des
différences que nous avons observées lors de l’expérience 2.2 (section II.3.3) sur l’effet du nombre
de mots présentant la même propriété que la cible concerne le type de propriété manipulée : lorsque
- 216 -
celle-ci est la mise en italique, les temps de fixation moyens sont plus importants que lorsque la
propriété manipulée est la couleur. Ainsi, la mise en italique engendre des difficultés de traitement
du mot, et plus particulièrement des difficultés de reconnaissance ou d’identification du mot.
En distinguant deux types de difficultés visibles à travers l’analyse des mouvements
oculaires dans la détection de cible, nous nous retrouvons face à des critères d’efficience
ergonomique d’interface décrits par Kotval & Goldberg (1998). Ces auteurs définissent une
interface efficace du point de vue de la recherche comme demandant au participant le minimum
d’effort pour détecter l’information désirée. Ce minimum d’effort se reflète dans le parcours
oculaire qui doit présenter peu de saccades (ou de fixations) et des temps de fixation réduits. Ces
indices permettant notamment de déclarer que l’interface oriente efficacement la recherche (peu de
saccades) et ne perturbe pas le traitement de l’information à l’écran (durée de fixation faible).
III.1.3. L’apport à l’étude des affordances lexicales.
Tout au long de ce travail de recherche, nous avons employé une tâche de détection de cible dans le
but d’étudier les facteurs qui permettent la mise en place des affordances lexicales. L’idée sousjacente à l’emploi de cette tâche est que l’affordance lexicale provient de « l’émergence » d’un mot
par rapport à son environnement et que cette émergence peut conduire à une action. Tel peut être le
cas par exemple lorsque vous promenant dans la rue, votre regard est attiré par un panneau de
direction annonçant celle de la poste et que vous décidez de suivre cette direction pour acheter des
timbres alors que le but initial de votre promenade était de flâner. Ainsi l’affordance, qu’elle soit
lexicale ou non, peut se diviser en deux moments : le moment où un objet particulier émerge et le
moment où l’individu décide d’agir ou non à partir de cette émergence. Etudier les affordances
lexicales par le biais d’une tâche de détection de cible permet donc d’étudier le premier moment
dans cette mise en place d’affordance lexicale : l’émergence d’un mot particulier par rapport à son
environnement. Pour rappel, l’affordance ne se met pas en place uniquement pour détourner
l’individu de son but init ial. Selon Gibson (1969), l’affordance se met en place à partir du moment
où les propriétés des objets de la situation renseignent sur leur possible fonction. Par exemple,
lorsqu’un animal est en train de fuir un prédateur, c’est la propriété touffue du buisson qui va
suggérer à cet animal de s’y cacher. En fait, dans ce cas là, l’affordance a permis de réduire l’écart
au but entre l’état actuel de la situation et l’état but ou l’état désiré (dans le cas de cet animal,
échapper au prédateur qui peut s’effectuer par un sous but : trouver un endroit pour se cacher).
Etudier les affordances lexicales par des études sur la détection de mots nous semble
adéquat car ces études permettent d’identifier et de décrire les facteurs qui permettent à un mot
- 217 -
d’émerger parmi d’autres et donc permettent la mise en place des affordances lexicales. Cette étude
a montré que l’émergence d’un mot parmi d’autres peut être facilitée à la fois par les propriétés
visuelles et sémantiques de ce mot particulier mais surtout par la relation que ce mot entretient avec
son contexte. En effet, ce n’est pas tant le fait que le mot soit écrit de couleur noire qui fait qu’il se
détache de son contexte, mais le fait que ce mot écrit en noir se distingue de son environnement
composé uniquement de mots écrits en rouge et non pas composé de mots écrits en noir et en
italique. Reprenant les résultats concernant l’efficience de la recherche, et donc les conditions qui
engendrent les meilleures performances de détection de mots, nous pouvons déterminer les facteurs
favorisant la mise en place d’affordance lexicale : une discrimination visuelle et sémantique
maximale de la cible par rapport à son contexte. Cette discrimination visuelle s’effectue par un mot
qui présente une propriété perceptive particulière et lorsque le contexte de ce mot est homogène ou
uniforme (cas du mot noir parmi des mots rouges). La discrimination sémantique quant à elle,
s’effectue par une distance sémantique entre la cible et le contexte. Cette distance sémantique se
caractérise par le nombre de propriétés communes entre le concept auquel renvoie la cible et les
concepts auxquels renvoient les mots du contexte. D’un point de vue général moins le mot présente
de propriété communes avec son environnement et plus facile sera la mise en place de l’affordance
correspondante si celle -ci doit avoir lieu. En outre, il faut également que cette cible renvoie à une
signification connue pour l’individu.
III.1.4. L’apport
pour
la
conception
ergonomique
d’interfaces type web
Que nous apporte cette recherche sur la conception d’interface de type web ? Deux types de pages
web peuvent être envisagées : les pages proposant l’accès à du contenu informationnel et les pages
proposant ce contenu. Dans le premier cas, on se retrouve en général face à une page d’accueil de
site. Sur cette page d’accueil, figurent toutes les rubriques que nous pouvons consulter à partir de
cette page : que les rubriques soient sur ce site ou sur un autre. Dans le second cas, nous nous
retrouvons face à une page présentant en majeure partie du texte : que ce soit la description des
activités de recherche d’un laboratoire universitaire, que ce soit l’horoscope ou le curriculum vitae
d’une personne. Lorsqu’il s’agit de présenter du texte à l’écran, les études de Cellier & Terrier
(2001) et de Smidt & Baccino (2001) montrent que structurer ce texte par des paragraphes que ce
soit par des retours à la ligne ou de la numérotation facilite la prise d’information dans le texte et
donc le parcours dans la page, ainsi que le travail intégratif réalisé lors de la lecture. Lorsque nous
sommes dans le premier cas, c’est-à-dire face à la présentation de divers mots, notre recherche
permet d’établir certaines recommandations sur l’arrangement spatial et sémantique des éléments à
- 218 -
l’écran. Ces recommandations sont relatives à la présentation visuelle des mots dans la page, aux
choix des catégories sémantiques pour désigner les rubriques, au choix des mots utilisés.
III.1.4.1. La présentation de l’information à l’écran
La présentation de l’information à l’écran regroupe à la fois la présentation spatiale des éléments à
l’écran et la distinction entre les groupes d’information.
Notre étude sur la structure de la scène visuelle (expérimentation 1) ainsi que les études de
Colombi & Baccino (2003), de Spérandio & Bouju (1983) ainsi que de Ojanpää, Näsänen & Kojo
(2002), nous suggèrent que le mode de présentation en colonnes est celui qui facilite le plus
l’exploration de la scène visuelle. Il permet en une seule fixation d’appréhender plus de mots que la
présentation en lignes (Ojanpää, Näsänen & Kojo,2002). Il respecte le type d’exploration privilégié
par les participants (Colombi & Baccino, 2003 ; Spérandio & Bouju, 1983). Et il permet de
parcourir plus rapidement la scène visuelle qu’une exploration en lignes (expérience 1.2,
section II.2.3).
Les résultats de Ojanpää, Näsänen & Kojo (2002) sur l’empan visuel sur l’axe vertical ainsi
que l’empan mnésique de la mémoire à court terme (Miller, 1956) nous suggèrent de fixer le
nombre de mots par colonne entre 4 et 7. De même, toujours liés aux contraintes de la capacité de
traitement de notre système cognitif, nous recommandons que le nombre de zones (de colonnes) ne
dépasse pas 7.
Afin que l’utilisateur n’ait pas l’impression d’avoir sous les yeux une grande quantité
d’information, son organisation visuelle est nécessaire. Plus haut, nous avons vu qu’il est préférable
de présenter les mots en colonne. Afin que les individus détectent très rapidement l’information
qu’ils cherchent, il faut faciliter le passage d’une colonne à l’autre. Faciliter cette transition
s’effectue d’une part en permettant une bonne discrimination perceptive des colonnes, et d’autre
part en fournissant de bons indices pour le passage d’une colonne à l’autre.
La distinction des zones de la page peut s’effectuer de deux manières qui ne sont pas du
tout exclusives l’une de l’autre. Une première façon de contribuer à la discrimination entre les
colonnes est de créer un espace relativement important entre des colonnes qui sont proches
spatialement : de l’ordre 50 pixels. Une deuxième façon est d’utiliser des attributs perceptifs telle
que la couleur pour distinguer les groupes. L’utilisation de tel attribut est à effectuer avec beaucoup
de précautions. Par exemple, les résultats de l’expérience 2.1 nous montrent que multiplier
l’utilisation de tels artifices dans la scène visuelle ne permet pas du tout de discriminer les groupes.
- 219 -
De même, toutes les propriétés ne sont pas équivalentes du point de vue de la discrimination : la
mise en italique n’a pas le même poids discriminant que la couleur. Et tous les attributs d’une
même propriété n’ont pas le même poids : autant il est facile de distinguer les groupes de mots
écrits en rouge des groupes de mots écrits en noir, qu’il peut être difficile d’effectuer cette même
discrimination entre les mots écrits en rouge et les mots écrits en orange.
III.1.4.2. Les choix sémantiques
Chaque information sur la page peut être désignée de deux manières : par une image ou par
des mots. Le choix lexical a effectué est à deux niveaux : la désignation des rubriques et leur
contenu.
Les expérimentations 4 et 5 nous montrent que la recherche est facilitée lorsque la scène
visuelle contient des mots désignant des objets d’une catégorie sémantiquement distante de la cible.
Ceci suggère que les rubriques présentes sur la page doivent être sémantiquement distantes les unes
des autres, afin de faciliter le passage d’un mot à l’autre et de détecter très rapidement la cible
recherchée. De plus, les mots utilisés aussi bien pour désigner les rubriques que le contenu des
rubriques doivent être, d’une part, familiers pour les individus et bien représenter la catégorie qu’ils
désignent .
Le Tableau 26 récapitule ces recommandations.
Apparence et disposition des zones
Nombre de mots par zone
Nombre de zones sur la page
Espace entre deux zones
Distinction visuelle des zones
Lexicalisation des rubriques
Contenu des rubriques
En colonnes
4à7
Maximum 7
Environ 50 pixels
Utilisation d’attributs de propriété très
distinguables les uns des autres.
Ne pas multiplier les attributs perceptifs au
sein d’un même groupe et sur une même page
Utilisation de mots désignant des catégories
sémantiquement distantes les unes des autres
Utilisation de mots désignant des objets
typiques de leur catégorie
Tableau 26 : Tableau récapitulatif des recommandations pour la conception de site web, faites à la suite de
notre recherche
- 220 -
III.2. Conclusion
III.2. Conclusion
Comme nous l’avons vu tout au long de la discussion, ce travail de recherche a permis d’étudier
deux champs de recherche : le champ des affordances lexicales et le champ de la détection de cible.
En lexicalisant le matériel dans lequel le participant doit détecter une information
particulière, nous avons eu la possibilité de varier d’autres variables que celles variées
habituellement dans ce type de champ d’études qu’est la recherche de cible (visual search). Ainsi,
non seulement nous avons des variables d’ordre sémantique, mais aussi des variables d’ordre visuel
autres que celle s qui sont traditionnellement utilisées puisque nous avons varié la structure globale
de présentation des éléments à l’écran, le nombre de stimuli visuels qui présentent les mêmes
propriétés visuelles que la cible recherchée (sans pour autant que les participants connaissent cette
information) ou encore la proportion respective des deux groupes d’items qui formaient la scène
visuelle. Avec la recherche sur la discrimination visuelle et sémantique de la cible par rapport à son
contexte, nous avons pu étudier la mise en place de ce qui pourrait être une affordance lexicale.
Qu’il s’agisse de la détection d’un mot ou de la mise en place d’affordances lexicales, l’un
des processus sous-jacents est l’émergence d’un mot par rapport à son contexte. Les expériences
nous ont montré que cette émergence est facilitée lorsque la cible partage peu ou aucune propriété
qu’elle soit visuelle ou sémantique, avec les éléments qui l’entourent. Cet aspect de l’effet du
partage de propriétés entre la cible et son environnement pourrait être étudié de façon plus
approfondie.
Par exemple, dans certaines expériences nous avons des facteurs sémantiques afin d’étudier
leur effet perturbateur ou facilitateur sur la détection d’une cible. La question que l’on pourrait se
poser est de savoir si la distance sémantique entre la cible et les mots entourant cette cible peut
permettre l’émergence du phénomène de pop out. Si on définit le pop out comme Treisman &
Gelade (1980) par un traitement pré-attentif des propriétés ou des traits primitifs permettant à la
cible de se différencier des mots du contexte, alors la catégorie sémantique pourra être vue comme
étant une propriété primitive des stimuli lexicaux visuels, au même titre que Wang, Cavanagh &
Green (1994) soutiennent que la familiarité d’un item est un trait primitif. Si nous définissons le
pop out comme résultant d’une sur-activation de l’item correspondant, par rapport aux items
l’entourant et ceci quelle que soit le nombre de stimuli dans la scène visuelle (Wolfe, 1994), alors
nous pourrons établir que la distance sémantique entre la cible et le contexte est un facteur de suractivation très rapide.
- 221 -
III.2. Conclusion
Pour étudier au plus justement le phénomène de pop out sémantique, il faudrait varier le
nombre de mots présents simultanément avec le mot cible et la distance sémantique, sans
manipuler les propriétés visuelles tel que cela a été effectué dans les expérimentations 4 et 5. En
effet, comme nous l’avons vu ces propriétés visuelles ont un effet sur le type de parcours dans
lequel le partic ipant s’engage. Ainsi, sans manipuler les propriétés visuelles de la scène visuelle, si
nous obtenons un effet de l’augmentation du nombre de mots présents simultanément avec la cible,
lorsque celle -ci est sémantiquement proche de ces mots, mais pas lorsqu’elle en est distante. Un tel
effet permettrait de valider l’existence d’un phénomène de pop out sémantique suivant en cela le
critère de Treisman & Gelade (1980) qui est une absence d’effet du nombre de stimuli présents
simultanément avec la cible. Il serait également envisageable de varier le nombre de catégories
d’objets présents dans l’environnement. En effet, cela permettrait d’étudier plus finement l’effet de
la similarité sémantique entre la cible et le contexte ainsi que l’hétérogénéité sémantique du
contexte sur la détection d’un mot cible. Il serait ainsi possible d’envisager des combinaisons
sémantiques pour la détection de cible du type :
−
deux catégories dans le contexte sémantiquement distantes l’une de l’autre et distantes
toutes les deux de la cible : par exemple, détecter un
OISEAU
parmi des
PROFESSIONS
et
des VETEMENTS.
−
deux catégories dans le contexte sémantiquement distantes l’une de l’autre mais dont l’une
est proche sémantiquement de la cible : par exemple, détecter un
OISEAU
parmi des JOUETS
et des INSECTES
−
deux catégories dans le contexte sémantiquement proches l’une de l’autre mais distantes
toutes les deux de la cible : par exemple détecter un
OISEAU
parmi des
JOUETS
et des
INSTRUMENTS DE MUSIQUE
−
deux catégories sémantiquement proches l’une de l’autre et proches toutes les deux de la
cible : détecter un
OISEAU
parmi des INSECTES et des POISSONS.
Ces combinaisons permettent d’étudier plusieurs niveaux dans la similarité entre la cible et le
contexte :
−
similarité faible voire nulle : deux catégories distantes de la cible,
−
similarité intermédiaire : une des deux catégories du contexte sémantiquement proche de la
cible,
−
similarité élevée : les deux catégories du contexte qui sont sémantiquement proches de la
cible.
Varier cette hétérogénéité et similarité du contexte par rapport à la cible, peut permettre
ainsi la réalisation de conditions expérimentales analogues à celles menées dans le domaine de la
- 222 -
III.2. Conclusion
recherche visuelle d’information avec la manipulation des critères visuels pour mettre la cible en
situation de pop out ou en situation de conjonction de traits. Le pop out ici serait obtenu grâce à une
distance sémantique extrême entre les catégories impliquées. La conjonction de traits serait
analysée à travers l’effet de la proximité sémantique entre la cible et les deux catégories du
contexte. Une cible en situation de conjonction de traits implique que la cible partage des propriétés
avec les groupes de stimuli présents simultanément avec elle. Lorsque ces stimuli sont des mots,
des propriétés sémantiques s’ajoutent aux propriétés de surface, ces propriétés sont toutes liées au
concept, à l’entité, à la signification à laquelle renvoie le mot. Ainsi, par exemple, le mot
OISEAU
renvoie au concept portant le même nom, et dont les proprié tés sont : a des ailes, peut voler, a un
bec, a des plumes, fait des nids … Varier la distance sémantique entre deux catégories revient à
varier le nombre de propriétés partagées entre ces deux catégories (Poitrenaud, 1998). Ainsi, une
cible conjonctive lexicale peut être une cible qui possède une propriété commune avec chacune des
deux catégories d’objets impliquées dans la scène visuelle (détecter un
AVION
parmi des
OISEAUX
(propriété commune : peut voler et des VOITURES (propriété commune : moyen de transport ), mais
également un concept dont la catégorie correspondante a la même catégorie super-ordonnée que les
catégories du contexte (détecter un
OISEAU
parmi des INSECTES et des POISSONS : catégorie super-
ordonnée : ANIMAUX ).
Nous pourrions envisager un cas de cible conjonctive où les deux catégories du contexte
sont sémantiquement distantes l’une de l’autre et que la cible puisse appartenir aux deux catégories
comme ce peut être le cas par exemple pour le substantif « une glace » qui peut être à la fois « un
aliment sucré » et « un meuble ». Mais, dans ce cas, nous sommes face à un cas de polysémie et de
ce fait, ce mot cible peut faire partie des deux catégories d’objets. Ce n’est donc plus un stimulus
qui est différent des catégories du contexte l’entourant. Ainsi, nous ne sommes plus dans un cas de
conjonction de traits. Il serait néanmoins intéressant d’étudier cet effet de la polysémie à partir du
sens premier des mots sur la détection de mots dénommés par sa catégorie super-ordonnée bien que
nous ne soyons plus dans le cas d’une conjonction de traits.
Il serait également intéressant d’étudier le degré de similarité sémantique à travers une
quantification de la distance sémantique par le nombre de propriétés partagées. Par exemple au
départ, les catégories
les catégories
et
POISSONS
sont relativement plus sémantiquement distantes que
FRUITS et LEGUMES
ou encore
POISSONS et INSECTES,
LEGUMES
mais elles sont tout de même
moins sémantiquement distantes entre elles que ne le sont les catégories LEGUMES et JOUETS. Cette
variation pourrait permettre de jouer sur le degré de similarité entre les catégories de la scène
visuelle, et ainsi sur son hétérogénéité sémantique.
- 223 -
III.2. Conclusion
Toutes ces possibilités d’études définissent en fait le rôle du partage de propriétés entre la
cible et le contexte sur sa détection. Cette étude du partage de propriétés peut s’effectuer également
à un niveau plus fin que ce qui a été présenté précédemment. Par exemple, par l’intermédiaire d’un
matériel imagé ou lexical, nous pourrions étudie r plus finement l’effet du nombre et du type de
propriétés partagées entre la cible et le contexte. Par exemple, les catégories OISEAUX et INSECTES,
sont sémantiquement proches mais certains insectes partagent des propriétés avec les oiseaux que
ne partagent pas tous les insectes : tous les insectes ne volent pas comme par exemple
« l’araignée » et d’autres volent comme par exemple, « la libellule ». Il pourrait être intéressant
donc d’étudier l’effet de ce partage sur la détection : par exemple détecter un oiseau parmi des
insectes qui volent est-ce différent de détecter un oiseau parmi des insectes qui ne volent pas ?
L’avantage d’un matériel imagé est de représenter visuellement cette propriété « a des ailes » et de
ce fait, de résoudre un problème qui pourrait être lié aux connaissances des participants. Dans ce
cas là, la similarité entre la cible et le contexte ne se traduit plus par l’existence d’une catégorie
super-ordonnée pour les deux catégories d’objets envisagées mais directement par l’effet du
nombre de propriétés partagées par ces deux catégories.
Nous avons aussi vu précédemment que la scène visuelle peut faciliter ou non l’émergence
d’un mot particulier si le mot est très différent perceptivement de son contexte. Comme nous
l’avons vu, la structure de cette scène visuelle permet également de guider la prise d’information à
l’écran : les participants vont d’une zone à l’autre de l’écran selon les principes d’organisation qui
régissent la structure. Ainsi, nous pouvons envisager la possibilité de tester d’autres principes
d’organisation décrits par la théorie Gestaltiste. Par exemple, dans nos expériences, le principe de
proximité permet de différencier les zones de la scène visuelle et les principes de similitude et de
bonne continuation permettent la transition d’une zone à l’autre. Nous pourrions envisager de tester
par exemple l’application du principe de similitude sur la distinction des zones dans le cadre de la
structure globale de la scène visuelle. Par exemple, dans la Figure 93 est présentée une structure
selon le principe de proximité qui aboutit à trois sous-structures si la distinction des zones
s’effectue par le principe de similitude (ici la couleur de fond).
- 224 -
III.2. Conclusion
Figure 93 : Distinction des zones de l’interface par l’intermédiaire des principes d’organisation de la scène
visuelle décrits par la théorie Gestaltiste
Face à ces structures nous pouvons supposer que les parcours oculaires qui en découleront
seront différents selon si la scène visuelle est constituée de lignes ou de colonnes ou des deux,
conformément à ce que nous avons observé dans l’expérimentation 1 (section II.2).
Tester les effets des principes d’organisation de l’environnement visuel pourrait également
permettre d’identifier si un type de structure favorise un parcours efficace de l’environnement lors
de tâche de recherche d’information. Par parcours efficace, nous signifions un parcours rapide pour
déterminer si la cible recherchée est présente ou non dans cet environnement. Déterminer un type
de structure efficace du point de vue de la recherche pourrait avoir des répercutions sur
l’ergonomie des interfaces de type web, en déterminant des critères pour l’ergonomie des interfaces
de type web. Par exemple, notre étude montre que la multiplication des attributs perceptifs sur les
mots du site perturbe la recherche d’une information, tout comme l’utilisation de noms nonfamiliers pour l’internaute. Ainsi les résultats présentés dans cette étude contribuent à compléter les
guides de recommandations pour l’évaluation et la conception de sites web, tels qu’ils ont été
développés par exemple par Scapin & Bastien (1997). Ces auteurs définissent plusieurs critères
contribuant à l’efficience d’une interface du point de vue de sa navigation comme par exemple, des
critères de guidage dans la navigation, de charge de travail pour l’utilisateur qu’elle soit perceptive
ou
mnésique,
de
contrôles
explicites,
d’adaptabilité,
de
gestion
des
erreurs,
d’homogénéité/cohérence, de signifiance des codes et dénominations et de compatibilité. Le
respect de ces critères devrait donc permettre aux utilisateurs de se diriger dans le site et donc de
- 225 -
III.2. Conclusion
détecter l’information désirée. Les résultats obtenus dans les expériences de notre recherche
permettent notamment de développer des recommandations sur la présentation de l’information à
l’écran : respecter les critères d’organisation perceptive tels qu’ils ont pu être décrits par la théorie
Gestaltiste (Koffka, 1935) afin de voir apparaître une structure de présentation des informations, ne
pas utiliser trop d’artifices perceptifs sur les mots afin de ne pas perturber la perception des mots à
l’écran et voire même la perception des parties de la page, utiliser un vocabulaire dont les termes
sont familiers pour les utilisateurs et qui sont typiques de la catégorie du concept qu’il représente,
préférer des catégories sémantiques au sein d’une même page qui sont sémantiquement distantes
les unes des autres.
Pour conclure, ce travail de recherche a permis de décrire les effets des variables visuelles
et sémantiques sur la détection d’une cible et a permis également de décrire deux temps, deux
moments dans ce type de tâche : un moment d’exploration, d’inspection où certains critères visuels,
comme par exemple le nombre de mots de même couleur, peut avoir un effet sur le type de
parcours dans lequel le participant s’engage et un moment de traitement de l’information qui
consiste en une comparaison sémantique entre l’item inspecté et la cib le recherchée. Cette
comparaison est d’autant plus longue que le mot fixé partage des propriétés sémantiques
communes avec la catégorie de la cible sans pour autant ne pas en faire partie. Ce travail de
recherche a permis de répondre à notre problématique : déterminer et décrire les facteurs visuels et
sémantiques qui permettent la mise en place d’une affordance lexicale lorsqu’on lit pour agir, mais
il contribue également à définir de nouveaux facteurs qui peuvent également influencer cette mise
en place.
- 226 -
BIBLIOGRAPHIE
- 227 -
IV. Bibliographie
Baccino, T. (2002). Oculométrie Cognitive, In G.Tiberghien (Ed.), Dictionnaire des Sciences
Cognitives, (pp. 100-101), Paris : Armand Colin
Beauvillain, C, & Segui, J. (1983). Rôle du contexte dans la décision lexicale : rapidité d’une
facilitation sémantique. L’Année Psychologique, 83, 39-52.
Cave, K.R. et Wolfe, J.M. (1990). Modelling the role of parallel processing in visual search. Cognitive
Psychology, 22, 225-271.
Caverni, J.P. (1988). La verbalisation comme source d’observable pour l’étude du fonctionnement
cognitif. In J.P Caverni, C. Bastien, P. Mendelsohn et G. Tiberghein (Eds). Psychologie
Cognitive : Modèles et Méthodes, (pp 253-273), Grenoble : Presses Universitaires de Grenoble
Cellier, J.M. & Terrier, P. (2001). Le rôle de la mise en forme matérielle dans le traitement cognitif de
consigne. Langage, 141, 79-91.
Chêne, D, Léger, L. et Perret, A. (2002). Ergonomics web portal analysis with eye tracking techniques.
Communication at the first International Conference On Human Factors & the Web, March 1619, 2002, Nice, France.
Cohen, A (1993). Asymetries in visual search for conjunctive targets. Journal of Experimental
Psychology: Human Perception and Performance, 19, 775-797.
Collins, A.M. & Quillian, M.R. (1969). Retrieval time from semantic memory. Journal of verbal
learning and verbal behavior, 8, 241-248.
Colombi, T. & Baccino, T. (2003). Le rôle de la mise en page et de la structure syntaxique dans la
sélection des liens hypertextuels. Le Travail Humain, 66, 45-64.
Content, A., Mousty, P. et Radeau, M. (1990). Brulex, une base de données lexicales informatisée pour
le français écrit et parlé. L’Année Psychologique, 90, 551-566.
Duncan, J. et Humphreys, G.W. (1989). Visual search and stimulus similarity. Psychological Review,
96, 433-458.
Gibson, J.J. (1979). The ecological approach to visual perception. Boston : Houghton Mifflin.
- 228 -
IV. Bibliographie
Gick, M.L. et Holyoak, K.J. (1980). Analogical problem solving. Cognitive Psychology, 12, 306-355.
Grainger, J., O’Regan, J.K., Jacob, A.M. & Segui, J. (1989). On the role of competing word units in
visual word recognition: The neighborhood frequency effect. Perception & Psychophysics, 45,
189-195.
Greene, H.H. et Rayner , K. (2001). Eye movements and familiarity effects in visual search. Vision
Research, 41, 3763-3773.
Hegarty, M., Mayer, R.E. et Monk, C.A. (1995). Comprehension of arithmetic word problems : A
comparison of successful and unsuccessful problem solvers. Journal of Educational Psychology,
87, 18-32.
Ingling, N.W. (1972). Categorization : A mechanism for rapid information processing. Journal of
Experimental Psychology, 94, 239-243.
Jacobs, A.M. et Lévy-Schoen, A. (1987). Le contrôle des mouvements des yeux dans la lecture :
Questions actuelles. L’Année Psychologique, 87, 55-72.
Johnston, J.C & McClelland (1980). Experimental tests of a hierarchical model of word identification.
Journal of Verbal Learning and Verbal Behavior, 19, 503-524.
Just, M.A. et Carpenter, P.A. (1980). A theory of reading : From eye fixations to comprehension.
Psychological Review, 87, 329-354.
Koffka, K. (1935) Principles of Gestalt Psychology. London : Lund Humphries,.
Kotval, X.P et Goldberg, J.H. (1998). Eye movements and interface component grouping: An
evaluation method. Proceedings of the 42nd Annual Meeting of th e Human Factors and
Ergonomics Society, Santa Monica, HFES.
Larochelle, S. , Richard, S & Soulière, I (2000). What some effects might not be : The time to verify
membership in “well defined” categories. The Quarterly Journal of Experimental Psychology,
53A (4), 929-961.
- 229 -
IV. Bibliographie
Marendaz, C., Stivalet, P. & Genon, D. (1991). Coding of orientation in early vision : Search
asymmetry revisited. CPC. Cahiers de Psychologie Cognitive, European Bulletin of Cognitive
McClelland, J.L. & Rumelhart, D.E. (1981). An interactive activation model of context effects in letter
perception : part 1. An account of basic findings. Psychological Review, 88, 375-407.
Mérand, S. , Tijus, C. & Poitrenaud, S. (2003). Intégration des traits visuels et catégorisation :
l’exemple d’un modèle basé sur le Treillis de Galois. L’Année Psychologique, 103, 161-198 ?
Neisser, U. (1963). Decision time without reaction time : Experiments in visual scanning. American
Journal of Psychology, 76, 376-385.
Newell, A. & Simon, H. (1972). Human Problem Solving. Englewood Cliffs, NJ: Prentice-Hall.
Norman, D. A. (1988). The psychology of everyday things. New York : Basic Books
Ojanpää, H. , Näsänen, R & Kojo, I. (2002). Eye movements in the visual search of word lists. Vision
Research, 42, 1499-1512.
Poitrenaud, S (1995). The procope semantic network : an alternative to action grammars. International
Journal of Human Computer Studies, 42, 31-69.
Poitrenaud, S (1998). La présentation des procédures chez l’opérateur : Description et mise en oeuvre
des savoir-faire. Thèse de Psychologie des Processus Cognitifs, Université de Paris 8.
Poisson, M.E. et Wilkinson, F. (1992). Distractor ratio and grouping processes in visual conjunction
search. Perception, 21, 21-38.
Rayner, K. (1998). Eye movements in reading and information processing : 20 years of research.
Psychological Bulletin, 124, 372-422
Rayner, K et Raney, G.E (1996). Eye movement control in reading and visual search: Effects of word
frequency. Psychonomic Bulletin & Review, 3, 245-248
Reicher, G.M., Snyder, C.R.R et Richards, J.T. (1976). Familiarity of background characters in visual
scaning. Journal of Experimental Psychology: Human Perception and Performance, 2, 522-530.
- 230 -
IV. Bibliographie
Richard, J.F., Poitrenaud, S. et Tijus, C. (1993). Problem-solving restruction : Elimination of implicit
constraints. Cognitive Science, 17, 497-529.
Richards, J.T. et Reicher, G.M. (1978). The effect of background familiarity in visual search: An
analysis of underliyng Factors. Perception & Psychophysics, 23, 499-505.
Rips, L.J, Shoben, E.J. & Smith, E.E. (1973). Semantic distance and the verification of semantic
relations. Journal of verbal learning and verbal behavior, 12, 1-20.
Rosch, E. (1973). On the internal structure of perceptual and semantic categories. In T.E. Moore (Ed).
Cognitive development and the acquisition of language (pp 111-144). New york : Academic
Press.
Rosch, E. & Mervis, C.B. (1975). Family ressemblances : Studies in the internal structure of
categories. Cognitive Psychology, 7, 573-605.
Scapin, D.L. & Bastien, J.M.C (1997). Ergonomic criteria for evaluating the ergonomic quality of
interactiv systems. Behaviour & Information Technology, 6, 220-231.
Schmid, S. & Baccino, T. (2001). Stratégies de lecture dans les textes à consignes. Langages, 141,
105-124.
Shen, J., & Reingold, E.M. (in press). Visual search asymetry : The influence of stimulus familiarly
and low-level features. Perception & Psychophysics.
Shen, J. & Reingold, E.M. (1999). Saccadic selectivity during visual search : The effects of shape and
stimulus familiarity. In M. Hahn and S.C. Stoness (Eds.). Proceedings of the Twenty First Annual
Conference of the Cognitive Science Society (pp649-652), Mahwah, N.J. Erlbaum.
Shen, J. , Reingold, E.M., & Pomplum, M. (2000). Distractor ratio influences patterns of eye
movements during visual search. Perception, 29, 241-250.
Spérandio, J.C & Bouju, F. (1983). L’exploration visuelle de données numériques présentées sur écran
cathodique. Le travail Humain, 46, 49-63.
Stroop, J.R. (1935).Studies of interference in serial verbal reaction. Journal of Experimental
- 231 -
IV. Bibliographie
Tijus, C.A. (2003). Résoudre des tâches en contexte : l’affordance comme phénomène de Pop Out.
Actes du colloque EPIQUE 2003, deuxièmes journées d’étude en Psychologie Ergonomique, 2-3
octobre 2003, Boulogne Billancourt, (pp257-262).
Tijus, C.A. (2001). Contextual Categorization and Cognitive Phenomena. In V. Akman, P. Bouquet, R.
Thomason, & R.A. Young, Modelling and Using Context, (pp 316-329), Berlin : Springer-Verlag.
Treisman, A. (1988). Feature and objects : the 14th Bartlett Memorial Lecture. Quarterly Journal of
Experimental Psychology, 40A, 201-237.
Treisman, A. et Gelade, G. (1980). A feature-integration theory of attention. Cognitive Psychology, 12,
97-136.
Treisman, A. et Souther, J. (1985). Search asymetry : A diagnostic for preattentive processing of
separable feature. Journal of Experimental Psychology : General, 114, 285-310.
Treisman, A. et Gormican, S. (1988). Feature analysis in early visio n : Evidence from search
asymetries, Psychological Review, 95, 15-48.
Treisman, A. et Sato, S (1990). Conjunction search revisited. Journal of Experimental Psychology:
Human Perception and Performance,16, 459-478.
Tvesky, B. et Hemenway, K. (1984). Objects, parts a categories. Journal of Experimental
Psychology:General, 113, 172-191.
Vergnaud, G. (1991). Langage et pensée dans l’apprentissage des mathématiques. Revue Française de
Pédagogie, 96, 79-86.
Wang, Q., Cavanagh, P. et Green, M. (1994). Familiarity and pop-out in visual search. Perception &
Psychophysics, 56, 495-500.
Wolfe, J.M. (1994). Guided Search 2.0 : A revisited model of visual search. Psychonomic Bulletin and
Review, 1, 202-238.
White, M.J. (1977). Identification and catégorization in visual search. Memory and Cognition, 5, 648657.
- 232 -
IV. Bibliographie
Williams, D.E. & Reingold, E. (in press). Pre-attentive guidance of eye movements during triple
conjunction search tasks : The effects of feature discriminability and saccadic amplitude.
Psychonomic Bulletin and Review.
Williams, D.E., Reingold, E., Moscovitch, M. , & Behrmann, M. (1997). Pattern of eye movements
during parallel and serial visual search tasks. Canadian Journal of Experimental Psychology, 51,
151-164.
- 233 -
Annexes
ANNEXES
- 234 -
Annexes
A.1. Annexes relatives à la construction du matériel
A.1.1. Sélection des mots
A.1.1.a. Selon la fréquence lexicale
Mots qui ont une fréquence lexicale élevée : fréquence lexicale comprise supérieure à : 4000
occurrences pour 100.000.000 occurrences :
travail
chambre
silence
plaisir
lumière
manière
Affaire
travers
exemple
heureux
Réalité
Famille
volonté
rapport
journal
liberté
bonheur
fenêtre
passion
couleur
adresse
musique
intérêt
journée
semaine
science
service
élément
société
passage
oreille
mati¯re
univers
émotion
honneur
langage
mystère
maladie
chaleur
réserve
chapeau
tableau
orgueil
absence
origine
lecture
méthode
octobre
juillet
progrès
morceau
énergie
contact
douceur
souffle
terrain
échange
attaque
ouvrage
défense
fatigue
machine
paysage
cuisine
épreuve
branche
essence
horizon
période
analyse
hauteur
respect
voiture
réponse
système
théâtre
malheur
miracle
mission
culture
liaison
attente
lecteur
château
sagesse
trouble
courant
surface
million
révolte
arrivée
couloir
février
cerveau
employé
secours
emploi
rêverie
navire
prison
fièvre
risque
profit
volume
saison
bateau
regret
faveur
mépris
marché
pointe
vision
repris
régime
soirée
ventre
combat
course
membre
cousin
défaut
moitié
flamme
humeur
succès
misère
destin
veille
gloire
métier
chaise
preuve
avance
prière
empire
notion
prince
détail
source
classe
étoile
nation
langue
erreur
aspect
centre
bureau
région
poésie
madame
chance
projet
accord
soldat
oiseau
troupe
amitié
espoir
départ
visite
marche
colère
auteur
voyage
étendue
hasard
époque
beauté
propos
cheval
papier
avenir
cheveu
groupe
espace
jardin
retour
nombre
figure
droite
- 235 -
visage
raison
maison
pensée
esprit
moment
histoire
question
monsieur
personne
habitude
problème
présence
principe
occasion
attitude
relation
religion
jeunesse
activité
cadavre
individu
camarade
campagne
instinct
angoisse
fonction
division
montagne
escalier
ministre
autorité
solitude
position
jugement
humanité
dimanche
seigneur
écrivain
discours
illusion
victoire
quartier
critique
officier
économie
grandeur
poitrine
peinture
création
vêtement
novembre
tendance
désordre
solution
créature
lectrice
avantage
réaction
décembre
conduite
quantité
richesse
employée
exercice
obstacle
promesse
évidence
démarche
retraite
plaine
taille
paupière
reproche
destinée
appareil
croyance
ambition
duchesse
exigence
surprise
accident
commerce
cheminée
éternité
province
patience
terrasse
sommet
fureur
acteur
temple
chaîne
dégoût
client
mérite
chasse
billet
avenue
racine
plante
paquet
parfum
organe
menace
retard
examen
statue
Annexes
village
douleur
mémoire
qualité
conseil
cellule
crainte
horreur
médecin
endroit
enfance
article
mariage
demeure
formule
théorie
peintre
fortune
janvier
comédie
sommeil
feuille
justice
artiste
courage
domaine
opinion
docteur
fleuve
accent
charme
palais
sortie
rythme
rideau
permis
cercle
patron
fantôme
danger
entrée
chargé
prêtre
cliente
soleil
vérité
partie
milieu
action
oeuvre
besoin
lettre
regard
guerre
église
phrase
pierre
garçon
espèce
chanson
siècle
épaule
chemin
maître
compte
mesure
effort
résultat
bataille
décision
aventure
chapitre
costume
argent
bouche
distance
mensonge
violence
doctrine
fauteuil
niveau
patrie
dessin
pardon
comité
envoyé
police
colonne
victime
colline
dignité
terreur
actrice
reflet
charge
clarté
témoin
envoyée
royaume
manteau
faculté
chemise
cabinet
portrait
valeur
demande
Mots qui ont une fréquence lexicale basse : fréquence lexicale comprise inférieur à 10 occurrences
pour 100.000.000 occurrences :
aveline
endémie
estompe
estrope
foulque
glanure
moirure
tocante
acétate
azotate
barreur
boisage
claveau
convict
coroner
crêpage
diadème
espadon
étamage
flûteau
galibot
gypaète
hamster
juchoir
méchoui
nansouk
navarin
préteur
starter
stratus
étançon
goménol
jumping
mécénat
opossum
phœnix
prépuce
purgeur
ripaton
sextuor
théorbe
tournis
trièdre
troquet
uretère
verseau
versoir
virelai
baliste
calcite
charité
cousine
cyanose
daurade
fiasque
galiote
griotte
lavasse
métrite
micelle
étambot
félibre
fixatif
foutoir
gerfaut
grondin
lupanar
menthol
nobliau
picrate
pisseur
pompage
popotin
remploi
rinçage
scooter
séquoia
tannage
tombeur
tremolo
voltage
abaque
bimane
biquet
bisque
briard
bruant
caïque
cangue
cardon
canada
cantal
cardan
chelem
cherry
chrême
coccyx
coudre
craque
crésus
davier
doreur
entame
fauche
filage
fouace
fumage
hennin
induit
laçage
muphti
navaja
pavane
paveur
plèvre
pliure
podium
prêche
quiche
radius
frérot
gallon
gamète
gluten
grison
guivre
incise
iodure
kopeck
malaga
merlin
méteil
morion
mouise
nankin
nimbus
ocelle
onglet
pandit
paonne
photon
phrasé
rodage
salami
sépale
spider
trémie
vaudou
virago
zigoto
- 236 -
lunetier
marquage
mocassin
myrmidon
octaèdre
octogone
parolier
pellagre
périoste
peroxyde
pétoncle
plombage
poivrade
polynôme
pré-salé
questeur
ramonage
releveur
réviseur
soufrage
syntagme
tachiste
tamisage
tomaison
trichine
accotoir
affameur
bassinet
baudroie
béchamel
fuchsine
ganterie
gaufrure
griffure
hépatite
lapement
ligotage
lustrage
luxation
mascaron
matelote
plâtrage
plissage
réemploi
thibaude
toquante
tournage
traîneur
triumvir
yoghourt
agioteur
amarrage
ammoniac
ardillon
blizzard
boulange
brochage
bûchette
cacaoyer
carrelet
hydromel
julienne
jumelage
khâgneux
kolkhoze
korrigan
légumier
ligament
longeron
loupiote
manillon
marathon
mareyeur
marinade
massicot
meringue
merluche
métayage
moumoute
opercule
pampille
patachon
pédicule
peignage
pied-bot
pilosité
postface
prothèse
psautier
pyorrhée
Annexes
tamarin
tasseau
yogourt
laveuse
cédille
custode
doreuse
effraie
épitoge
équille
grièche
hulotte
laverie
penture
péteuse
rinçure
rouelle
ablatif
bêcheur
caviste
coaltar
copieur
éperlan
étameur
néréide
pepsine
roséole
sarigue
soldate
striure
synovie
tsarine
valvule
varappe
antivol
apollon
baguier
banyuls
bardeau
becquet
billion
boulier
cautère
cervidé
cocuage
colleur
cosinus
dictame
cocher
dièdre
faquir
gavial
gneiss
grouse
guelte
gueuse
havage
haveur
ictère
lavure
morfil
oukase
pliage
porion
saucée
tillac
tocade
touage
atrium
béquet
besson
boggie
rémige
sorgho
soulte
strass
triche
trieur
vahiné
vidage
alcali
ampère
bidule
biture
bombyx
châlit
chalut
cocker
corozo
couque
crépon
dopage
doseur
ethnie
flopée
framée
allergie
aréopage
barreuse
bernacle
besaiguë
bouchage
cacatois
carénage
chicotin
clitoris
cuvelage
détersif
écriture
émétique
exécutif
flirteur
gaufrage
gaufrier
gnognote
haquenée
hexapode
in-folio
kakémono
latérite
bêcheuse
bessonne
caboteur
cachexie
cénobite
chaulage
chevaine
cicérone
confesse
coxalgie
crassier
cyclisme
demi-sel
diatomée
écailler
eldorado
embrasse
émulsion
épiphyse
ficelage
finition
flottage
frottage
centrage
chamelle
chéquier
chlorose
clovisse
coffrage
colleuse
cotation
cuissage
décapage
démêloir
drôlesse
émondage
émouchet
enrayage
essayeur
estragon
excision
externat
fermette
gerboise
gérondif
gravelle
ravigote
rétameur
rhapsode
sainfoin
scoliose
sélénium
sellerie
solarium
sonatine
spéculum
sudation
tapement
tavelure
thalamus
tomahawk
triperie
turfiste
tympanon
vielleux
vitrerie
zingueur
guindeau
frottoir
A.1.1.b. Sélection en fonction de la catégorisation sémantique
A.1.1.b.1. Expérience 4
Ci-après sont exposés les différentes catégories d’objets utilisées dans cette expérience en
majuscules et les exemplaires de ces catégories :
AUTEURS CELEBRES : racine ; lamartine ; maupassant ; appolinaire ; flaubert ; stendhal ; baudelaire ;
tolstoï ; prévert ; musset ; montesquieu ; steinbeck ; rimbaud ; platon ; sartre ; shakespeare ; verlaine ;
voltaire ; perrault ; corneille ; aragon ; molière ; dumas ; barjavel ; hemingway ; aristote ; céline ;
châteaubriand ; dostoïesvky ; troyat ; homère ; pagnol
POISSONS : requin ; colin ; dauphin ; rouget ; merlu ; batracien ; brochet ; sardine ; hareng ; méduse ;
saumon ; baleine ; albacore ; sèche ; gardon ; pieuvre ; murène ; maquereau ; truite ; langoustine ;
poulpe ; espadon ; daurade ; merlan ; carpe ; cabillaud ; morue ; cachalot ; orque ; crevette ; anguille ;
piranhas
INSTRUMENTS DE MUSIQUE : piano ; violoncelle ; batterie ; tambour ; hautbois ; basse ; cornemuse ;
clavecin ; clarinette ; trombone ; synthétiseur ; percussion ; carillon ; guitare ; trompette ; timbale ;
violon ; tambour in ; xylophone ; maracas ; harmonica ; saxophone ; darbouka ; harpe ; trompette ;
cithare ; orgue ; didgederoo ; guimbarde ; triangle ; accordéon ; clavier
- 237 -
Annexes
FLEURS : narcisse ; marguerite ; tournesol ; dahlia ; coquelicot ; mimosa ; pivoine ; myosotis ; tulipe ;
glaïeul ; pissenlit ; trèfle ; jasmin ; muguet ; nénuphar ; bleuet ; orchidée ; chrysanthème ; gardénia ;
primevère ; violette ; pâquerette ; edelweiss ; lavande ; jonquille ; colchique ; jacinthe ; hortensia ;
géranium ; magnolia ; œillet ; pensée
PRENOMS MASCULINS : marcel ; christian ; jacques ; gérard ; charles ; frédéric ; valentin ; pierre ;
bernard ; édouard ; maxime ; emmanuel ; stéphane ; sylvain ; patrick ; nicolas ; ludovic ; thierry ;
françois ; robert ; christophe ; laurent ; pascal ; fabien ; julien ; michel ; olivier ; philippe ; raymond ;
maurice ; sébastien ; cédric
BOISSONS : marsala ; cocktail ; cidre ; infusion ; orangeade ; alcool ; tisane ; porto ; chocolat ; krieck ;
martini ; vodka ; punch ; liqueur ; limonade ; guiness ; sirop ; gueuze ; bourbon ; glenmorangie ;
champagne ; glenfiddish ; perrier ; bière ; décoction ; tequila ; scotch ; cointreau ; muscat ; pastaga ;
soupe ; whisky
LEGUMES : navet ; haricot ; salsifis ; poireau ; fenouil ; potiron ; courgette ; piment ; laitue ; céleri ;
champignon ; épinard ; lentille ; artichaut ; carotte ; betterave ; oseille ; brocolis ; citrouille ; salade ;
flageolet ; cornichon ; radis ; échalote ; asperge ; aubergine ; poivron ; oignon ; endive ; concombre ;
patate ; tomate
OISEAUX : hirondelle ; canard ; corbeau ; vautour ; rossignol ; cigogne ; merle ; faisan ; moineau ;
canari ; cormoran ; corneille ; poussin ; poulet ; pintade ; pingouin ; pinson ; albatros ; dinde ; aigle ;
mésange ; chouette ; perroquet ; perruche ; cygne ; pigeon ; faucon ; hibou ; goéland ; pivert ;
autruche ; mouette
ALIMENTS SUCRES : chocolat ; tarte ; bonbon ; sucre ; fraisier ; pâtisserie ; sorbet ; gâteau ; nutella ;
tropézienne ; praline ; meringue ; loukoum ; guimauve ; gaufre ; galette ; crumble ; crêpe ; biscuit ;
compote ; réglisse ; clafoutis ; sucette ; chouquette ; confiserie ; crème ; yaourt ; croissant ; diplomate ;
mousse ; caramel ; confiture
INSECTES : mouche ; papillon ; moustique ; cafard ; sauterelle ; coccinelle ; puceron ; limace ; tique ;
frelon ; libellule ; coléoptère ; blatte ; scorpion ; aoûta ; moucheron ; guêpe ; sangsue ; hanneton ;
doryphore ; punaise ; asticot ; bombyx ; grillon ; sauterelle ; scarabée ; cousin ; araignée ; bourdon ;
termite ; abeille ; fourmi
OUTILS : Compas ; enclume ; facom ; bêcheuse ; manivelle ; marteau ; mèche ; couteau ; perceuse ;
pince ; cheville ; ponceuse ; rabot ; râteau ; rondelle ; rouleau ; chalumeau ; tenaille ; foreuse ;
tondeuse ; visseuse ; tournevis ; règle ; masse ; cutter ; pioche ; établi ; pinceau ; écrou ; faucille ;
boulon
RECIPIENTS : bénitier ; bombonne ; carafe ; amphore ; coffret ; corbeille ; cuvette ; biberon ; gobelet ;
poubelle ; bassine ; réservoir ; saladier ; soucoupe ; tasse ; timbale ; baignoire ; tonneau ; citerne ;
tupperware ; verre ; vasque ; soupière ; couscoussière ; bidet ; ramequin ; bouteille ; panier ; gourde ;
boite ; casserole ; assiette
ARBRES : baobab ; châtaigner ; chêne ; sapin ; dattier ; ébène ; érable ; bonzaï ; saule ; noisetier ;
amandier ; olivier ; oranger ; palmier ; hêtre ; poirier ; acacia ; pommier ; conifère ; prunier ; tilleul ;
platane ; peuplier ; épicéa ; bouleau ; noyer ; merisier ; marronnier ; cerisier ; cocotier ; abricotier
VEHICULES : bateau ; trottinette ; charrette ; aéroglisseur ; fusée ; hélicoptère ; mobylette ; bicyclette ;
montgolfière ; parapente ; barque ; péniche ; roller ; scooter ; train ; tramway ; avion ; canoë ;
fourgonnette ; vélomoteur ; zeppelin ; voiture ; tracteur ; métro ; camion ; pédalo ; caravane ;
paquebot ; moto ; camionnette ; concorde ; autocar
- 238 -
Annexes
OBJETS QU’ON LIT : carte ; étiquette ; journal ; livre ; notice ; nouvelle ; pancarte ; courrier ;
panneau ; poésie ; carnet ; publicité ; quotidien ; rapport ; répertoire ; revue ; article ; roman ;
magazine ; scénario ; texte ; télégramme ; recette ; pamphlet ; couverture ; programme ; feuille ;
poème ; pièce ; essais ; lettre ; affiche
ARMES : bazooka ; carabine ; couteau ; pistolet ; explosif ; flèche ; fronde ; bombe ; kalachnikov ;
baïonnette ; machette ; masse ; matraque ; mitraillette ; nucléaire ; arbalète ; poignard ; dague ;
poison ; sabre ; revolver ; missile ; fleuret ; canif ; lance ; catapulte ; javelot ; hache ; canon ; coutelas ;
fusil
ANIMAUX : cheval ; crocodile ; éléphant ; agneau ; hibou ; kangourou ; oiseau ; chèvre ;
ornithorynque ; pingouin ; canard ; poulet ; renard ; requin ; souris ; tigre ; brebis ; tortue ; hamster ;
vache ; zèbre ; vipère ; singe ; marmotte ; chien ; poisson ; dauphin ; panthère ; otarie ; cochon ; girafe
; baleine
PROFESSIONS : avocat ; chauffeur ; commerçant ; médecin ; esthéticienne ; graphiste ; infirmier ;
boulanger ; informaticien ; journaliste ; artisan ; ouvrier ; pompier ; professeur ; serrurier ; serveur ;
architecte ; vendeur ; écrivain ; vétérinaire ; voyagiste ; visagiste ; psychologue ; huissier ; caissier ;
nourrice ; coiffeuse ; jardinier ; ingénieur ; chanteur ; dentiste ; agriculteur
EDIFICES : cabane ; école ; église ; aéroport ; hôpital ; hôtel ; mairie ; auberge ; maison ; ministère ;
bicoque ; mosquée ; musée ; palace ; préfecture ; prison ; sanctuaire ; cathédrale ; forteresse ;
synagogue ; université ; temple ; pavillon ; immeuble ; château ; monument ; écurie ; masure ;
manoir ; demeure ; ferme ; appartement
FRUITS : brugnon ; citron ; fraise ; abricot ; groseille ; lychee ; mangue ; cassis ; melon ; nectarine ;
banane ; orange ; pamplemousse ; papaye ; pêche ; poire ; ananas ; pomme ; prune ; tomate ; raisin ;
pastèque ; mandarine ; cerise ; noisette ; clémentine ; myrtille ; mirabelle ; châtaigne ; framboise ;
amande
PRENOMS FEMININS : caroline ; charlotte ; corinne ; agnès ; françoise ; isabelle ; laure ; catherine ;
séverine ; mathilde ; béatrice ; sabine ; sandrine ; valérie ; sophie ; susanne ; aline ; sylvie ;
emmanuelle ; lucile ; virginie ; véronique ; solenn ; julie ; cécile ; nathalie ; christine ; marie ;
marianne ; céline ; dominique ; alexandra
J OUETS : bilboquet ; déguisement ; échecs ; balançoire ; marionnette ; mécano ; monopoly ; billes ;
nounours ; peluche ; barbie ; pokémon ; poupée ; poupon ; raquettes ; scoubidou ; mikado ; toupie ;
hochet ; tricycle ; voiture ; trottinette ; puzzle ; ballon ; console ; playmobile ; dinette ; patin ;
pastiche ; corde ; élastique ; balle
SPORTS : badminton ; équitation ; escrime ; aïkido ; handball ; karaté ; marathon ; basket ;
musculation ; parachutisme ; aviron ; perche ; pétanque ; poids ; randonnée ; rugby ; athlétisme ;
squash ; gymnastique ; taekwondo ; triathlon ; tennis ; rallye ; karting ; cyclisme ; patinage ; escalade ;
navigation ; natation ; danse ; football ; alpinisme
VETEMENTS :brassière ; chapeau ; chaussure ; basket ; collant ; cravate ; écharpe ; caleçon ;
imperméable ; maillot ; bonnet ; pantalon ; pantoufle ; pullover ; surchemise ; tablier ; blouson ;
tailleur ; chemisier ; tennis ; veste ; tunique ; sandale ; débardeur ; casquette ; manteau ; chaussette ;
jupon ; jogging ; chandail ; chemise ; bermuda
- 239 -
Annexes
A.1.1.b.2. Expérience 5
ANIMAUX : biche ; brebis ; caméléon ; chacal ; chamois ; cheval ; chèvre ; cochon ; dromadaire ;
écureuil ; éléphant ; chameau ; fouine ; gazelle ; gorille ; guépard ; hamster ; hérisson ; hippopotame ;
hyène ; jument ; kangourou ; lémurien ; marmotte ; mouton ; renard ; rhinocéros ; singe ; chimpanzé ;
taureau ; vipère
POISSONS : anchois ; anguille ; barracuda ; brochet ; cabillaud ; carpe ; caviar ; crabe ; crevette ;
crustacé ; dorade ; albacore ; écrevisse ; espadon ; esturgeon ; flétan ; gardon ; homard ; hareng ;
huître ; langouste ; langoustine ; maquereau ; merlu ; morue ; moule ; murène ; piranhas ; poupe ;
turbo ; sushi
INSTRUMENTS DE MUSIQUE : violon ; accordéon ; balafon ; banjo ; basse ; carillon ; castagnettes ;
cithare ; clarinette ; clavecin ; contrebasse ; cymbale ; darbouka ; flûte ; harmonica ; harpe ;
mandoline ; maracas ; ocarina ; orgue ; percussion ; piano ; pipeau ; synthétiseur ; tambour ;
tambourin ; triangle ; trombone ; trompette ; tuba ; xylophone
FLEURS : hibiscus ; amaryllis ; anémone ; azalée ; bégonia ; camélia ; chèvrefeuille ; coquelicot ;
dahlia ; edelweiss ; géranium ; glaïeul ; hortensia ; jacinthe ; jasmin ; gerbera ; lavande ; magnolia ;
marguerite ; mimosa ; muguet ; myosotis ; narcisse ; nénuphar ; œillet ; orchidée ; pétunia ; clématite ;
pivoine ; primevère ; tournesol
LEGUMES : artichaut ; asperge ; aubergine ; oseille ; batavia ; betterave ; brocolis ; carotte ; céleri ;
champignon ; citrouille ; concombre ; cornichon ; courgette ; olives ; échalote ; endive ; fenouil ;
flageolet ; haricot ; laitue ; lentille ; mâche ; oignon ; persil ; piment ; poivron ; potiron ; salade ;
salsifis ; scarole
OISEAUX : canard ; albatros ; alouette ; autruche ; bécasse ; canari ; chouette ; cigogne ; civette ;
colibri ; colombe ; corneille ; dindon ; épervier ; faisan ; faucon ; hirondelle ; merle ; mésange ;
cormoran ; mouette ; pélican ; perdrix ; cygne ; perruche ; pinson ; poulet ; poussin ; rossignol ;
tourterelle ; vautour
INSECTES : acarien ; araignée ; asticot ; blatte ; bourdon ; cafard ; chenille ; cigale ; coccinelle ;
criquet ; doryphore ; escargot ; lombric ; frelon ; grillon ; guêpe ; larve ; libellule ; limace ; luciole ;
morpion ; moucheron ; faucheur ; mygale ; papillon ; puceron ; punaise ; sauterelle ; scarabée ;
scorpion ; termite
OUTILS : agrafeuse ; binette ; boulon ; cautériseur ; cheville ; cisaille ; échelle ; écrou ; escabeau ;
faucille ; foreuse ; grattoir ; maillet ; marteau ; massue ; pelleteuse ; pince ; pinceau ; pioche ; piquet ;
ponceuse ; poulie ; rabot ; râteau ; sécateur ; serpe ; serpette ; souffleur ; tenaille ; truelle ; visseuse
RECIPIENTS : amphore ; aquarium ; assiette ; bassine ; bidon ; bocal ; boite ; caisse ; cannette ;
carafe ; biberon ; citerne ; cocotte ; coupelle ; cruche ; cuillère ; chope ; écuelle ; éprouvette ; gamelle ;
gobelet ; gourde ; marmite ; moule ; pichet ; ramequin ; fiole ; soupière ; verre ; timbale ; tonneau
ARBRES : abricotier ; acacia ; bananier ; baobab ; bonzaï ; bouleau ; cactus ; cerisier ; châtaigner ;
cocotier ; cyprès ; églantier ; épicéa ; érable ; figuier ; fraisier ; manguier ; marronnier ; merisier ;
noisetie r ; olivier ; oranger ; palmier ; pêcher ; peuplier ; platane ; pommier ; prunier ; cèdre ; saule ;
séquoia
- 240 -
Annexes
ARMES : arbalète ; arpon ; artillerie ; baïonnette ; bazooka ; canon ; carabine ; catapulte ; dague ;
flèche ; fouet ; fronde ; hallebarde ; kalachnikov ; lance ; machette ; matraque ; missile ; mousquet ;
nucléaire ; nunchaku ; obus ; poignard ; poison ; revolver ; roquette ; sabre ; sarbacane ; torpille ;
tromblon ; arquebuse
PROFESSIONS : ambulancier ; architecte ; artisan ; banquier ; bijoutier ; buraliste ; chanteur ;
charcutier ; charpentier ; chirurgien ; comédien ; commercial ; comptable ; électricien ; gendarme ;
hôtesse ; huissier ; jardinier ; livreur ; menuisier ; moniteur ; pharmacien ; procureur ; puéricultrice ;
réalisateur ; restaurateur ; standardiste ; styliste ; surveillant ; technicien ; vétérinaire
FRUITS : abricot ; amande ; goyave ; brugnon ; cassis ; cerise ; châtaigne ; citron ; clémentine ; coing ;
figue ; pamplemousse ; framboise ; groseille ; litchi ; mandarine ; mangue ; marron ; melon ; mûre ;
myrtille ; nectarine ; noisette ; pastèque ; pomelos ; pomme ; prune ; pruneau ; raisin ; papaye
J OUETS :balançoire ; ballon ; carte ; cerceau ; déguisement ; dînette ; échec ; frisbee ; hochet ;
maquette ; marelle ; marionnette ; mécano ; mémory ; mikado ; monopoly ; nounours ; osselet ;
pétard ; playmobile ; playstation ; poupon ; puzzle ; quille ; raquette ; scoubidou ; scrabble ; toboggan ;
toupie ; tourniquet ; tricycle
SPORTS : aérobic ; aïkido ; alpinisme ; aquagym ; athlétisme ; aviation ; aviron ; badminton ;
baseball ; bobsleigh ; course ; cyclisme ; danse ; équitation ; escalade ; escrime ; hockey ; javelot ;
karting ; marche ; motocross ; musculation ; natation ; patinage ; pétanque ; plongée ; randonnée ;
triathlon ; squash; taïkendo
- 241 -
Annexes
A.1.2. Couplage cible-contexte
A.1.2.a. Expérimentation 4
Lorsque le contexte contient une seule catégorie d’objet :
CONTEXTE
Aliments sucrés
Arbres
Armes
Auteurs célèbres
Boissons
Edifices
Fleurs
Fruits
Insectes
Instruments musique
Jouets
Légumes
Meubles
Objets qu'on lit
Oiseaux
Outils
Poissons
Prénoms fémin ins
Prénoms masculins
Professions
Récipients
Sports
Véhicules
Vêtements
CATEGORIES SEMANTIQUES
CIBLE PROCHE [1-PROCHE]
CIBLE DISTANTE [1-DISTANT]
Boissons
Récipients
Légumes
Véhicules
Edifices
Prénoms féminin
Prénoms masculins
Meubles
Aliments sucrés
Outils
Véhicules
Fleurs
Fruits
Vêtements
Fleurs
Armes
Oiseaux
Professions
Jouets
Fruits
Instruments musique
Oiseaux
Arbres
Instruments musique
Vêtements
Prénoms masculin
Sports
Poissons
Poissons
Jouets
Récipients
Auteurs célèbres
Insectes
Edifices
Auteurs célèbres
Objets qu’on lit
Prénoms féminins
Boissons
Objets qu'on lit
Insectes
Outils
Sports
Professions
Aliments sucrés
Armes
Légumes
Meubles
Arbres
Tableau 27. Couplages contexte-cible effectués lorsque le contexte ne contient qu’une seule catégorie selon la
distance sémantique entre la cible et le contexte, dans l’expérience 4.
- 242 -
Annexes
Lorsque le contexte contient deux catégories d’objets :
CATEGORIES D’OBJETS
CONTEXTE
Edifice
Véhicule
Fleurs
Fleurs
Sports
Profession
Instruments de musique
Objets qu'on lit
Meubles
Poissons
Prénoms féminins
Jouets
Jouets
Arbres
Récipients
Outils
Aliments sucrés
Légumes
Poissons
Légumes
Outils
Auteurs célèbres
Insectes
Récipients
Prénoms féminins
Objets qu'on lit
Oiseaux
Véhicules
Aliments sucrés
Boissons
Armes
Armes
Prénoms masculins
Fruits
Meubles
Fruits
Sports
Insectes
Professions
Edifices
Vêtements
Vêtements
Auteurs célèbres
Prénoms masculins
Arbres
Oiseaux
Boissons
CIBLE [2-DISTANT]
Aliments sucrés
Arbres
Armes
Auteurs célèbres
Boissons
Edifices
Fleurs
Fruits
Insectes
Jouets
Légumes
Meubles
Oiseaux
Outils
Poissons
Prénoms féminins
Prénoms masculins
Professions
Récipients
Sports
Objets qu’on lit
Véhicules
Vêtements
Tableau 28. Couplages contexte-cible effectués lorsque le contexte contient deux catégories distante
sémantiquement de la cible, dans l’expérience 4.
- 243 -
Annexes
A.1.2.b. Expérimentation 5
CATEGORIES DU CONTEXTE ET DE LA CIBLE PROCHE SEMANTIQUEMENT
CIBLE
CONTEXTE
CIBLE
TYPIQUE
NON TYPIQUE
arbres
arbres
armes
armes
fleurs
fleurs
fruits
fruits
insectes
insectes
Instruments
instruments
jouets
jouets
légumes
légumes
Mammifères
mammifères
oiseaux
oiseaux
outils
outils
poissons
poissons
professions
professions
récipients
récipients
sports
sports
fleurs
légumes
outils
récipients
arbres
fruits
fleurs
légumes
oiseaux
poissons
jouets
professions
instruments
sports
arbres
fruits
oiseaux
poissons
insectes
mammifères
armes
récipients
insectes
mammifères
instruments
sports
armes
outils
jouets
professions
tulipe
concombre
tournevis
bouteille
poirier
orange
pâquerette
épinard
corbeau
saumon
peluche
médecin
guitare
tennis
hêtre
banane
pigeon
sardine
mouche
lapin
bombe
casserole
abeille
vache
batterie
football
pistolet
perceuse
poupée
actrice
capucine
truffe
compas
cuvette
conifère
pistache
camomille
cresson
hulotte
brème
coloriage
brancardier
clairon
marathon
citronnier
olive
perdreau
calamar
scolopendre
taupe
explosif
chaudron
drosophile
belette
clavier
parapente
dynamite
bétonneuse
baigneur
botaniste
Tableau 29 : Couplages contexte-cible effectués lorsque la cible est proche sémantiquement du contexte, dans
l’expérience 5.
- 244 -
Annexes
CATEGORIES DU CONTEXTE ET DE LA CIBLE PROCHE SEMANTIQUEMENT
CIBLE
CONTEXTE
CIBLE
TYPIQUE
NON TYPIQUE
arbres
arbres
armes
armes
fleurs
fleurs
fruits
fruits
insectes
insectes
instruments
instruments
jouets
jouets
légumes
légumes
mammifères
mammifères
oiseaux
oiseaux
outils
outils
poissons
poissons
professions
professions
récipients
récipients
sports
sports
armes
instruments
fleurs
fruits
jouets
outils
instruments
jouets
professions
sports
arbres
poissons
arbres
fruits
outils
récipients
armes
sports
légumes
récipients
fleurs
insectes
légumes
professions
mammifères
oiseaux
insectes
mammifères
oiseaux
poissons
mitraillette
saxophone
pissenlit
fraise
légos
tondeuse
violoncelle
barbie
boulanger
karaté
sapin
merlan
chêne
ananas
marteau
saladier
fusil
handball
poireau
tasse
jonquille
moustique
navet
vendeur
panthère
moineau
fourmi
girafe
perroquet
truite
fleuret
cornemuse
églantine
mirabelle
diabolo
décolleuse
hautbois
bilboquet
antiquaire
acrobatie
eucalyptus
haddock
ébène
quetsche
enclume
flacon
gourdin
haltérophilie
câpre
urne
héliotrope
aoûtant
courge
armurier
bison
passereau
hanneton
buffle
marabout
limande
Tableau 30 : Couplages contexte-cible effectués lorsque la cible est distante sémantiquement du contexte, dans
l’expérience 5.
- 245 -
Annexes
A.2. Annexes relatives aux phases d’entraînement
A.2.1. Les différents essais de la phase d’entraînement
A.2.1.a. Expérience 1.1, 1.2 et 3
Essai 1 : Détecter le mot épouse
Essai 2 : Détecter le mot amande
Essai 3 : Détecter le mot stalle
Essai 4 : Détecter le mot fable
- 246 -
Annexes
Essai 5 : Détecter le mot sasser
Essai 6 : Détecter le mot vahiné
Essai 7 : Détecter le mot pignon
Essai 8 : Détecter le mot priser
Essai 9 : Détecter le mot trotte
Essai 10 : Détecter le mot rayée
- 247 -
Annexes
A.2.1.b. Expérience 2.1 et expérience 4
Essai 1 : détecter le féminin du mot époux
Essai 2 : détecter un exemple de fruit
Essai 3 : détecter un exemple d’adjectif
Essai 4 : détecter un synonyme de réservé
Essai 5 : détecter un exemple d’oiseaux
Essai 6 : détecter le contraire d’ami
- 248 -
Annexes
Essai 7 : détecter le féminin du mot dieu
Essai 8 : détecter un objet composé d’eau
Essai 9 : détecter un exemple de couleur
Essai 10 : détecter une ville américaine
- 249 -
Annexes
A.2.1.c. Expérience 2.2 et expérience 5
Essai 1 : détecter un exemple d’aliments sucrés
Essai 2 : détecter un exemple de véhicule
Essai 3 : détecter un exemple de boisson
Essai 4 : détecter un exemple de vêtements
Essai 5 : détecter un exemple de bâtiment
Essai 6 : détecter un exemple de meubles
- 250 -
Annexes
A.2.2. Analyses effectuées pour évaluer l’équiv alence des
différents groupes de participants
A.2.2.a. Expérience 2.1
A.2.2.a.1. Equivalence des 4 groupes expérimentaux sur la phase d’entraînement
ESSAI 1 : CIBLE TIMIDE
Temps de réponse
(en secondes)
Nombre de fixations
Temps fixation moyen
(en ms)
Amplitude s accadique
Effet global : F(3,36)=0,83; p=.489, ns
G1 : 6,95
G3 : 8,56
G2 : 7,06
G4 : 5,01
Effet global : F(3,36)=0,94; p=,43, ns
G1 : 22,2
G3 : 26,8
G2 : 21,6
G4 : 16,11
G1 : 305
G3 : 300
G2 : 306
G4 : 306
G1 : 1,85
G3 : 1,84
G2 : 1,93
G4 : 1,85
ESSAI 2 : CIBLE PIVERT
Temps de réponse
(en secondes)
Nombre de fixations
G1 : 5,32
G3 : 5,01
G2 : 4,86
G4 : 4,57
G1 : 15,9
G3 : 15,09
G2 : 15
G4 : 14,44
- 251 -
Annexes
(en ms)
Amplitude saccadique
G1 : 318
G3 : 316
G2 : 315
G4 : 310
G1 : 2,19
G3 : 2,03
G2 : 2,34
G4 : 2,21
ESSAI 3 : CIBLE ENNEMI
Temps de réponse
(en secondes)
Nombre de fixations
(ms)
G1 : 2,21
G3 : 2,13
G2 : 1,93
G4 : 2,99
G1 : 6
G3 : 5,73
G2 : 5,8
G4 : 7,67
G1 : 465
G3 : 432
G2 : 366
G4 : 411
G1 : 1,90
G3 : 1,72
G2 : 1,91
G4 : 1,85
ESSAI 4 : CIBLE DEESSE
Temps de réponse
(en seconde)
G1 : 3,71
G3 : 3,73
G2 : 3,56
G4 : 2,83
- 252 -
Annexes
Nombre de fixations
(en ms)
G1 : 11,9
G3 : 12,55
G2 : 11,2
G4 : 8,22
G1 : 308
G3 : 299
G2 : 312
G4 : 346
G1 : 1,93
G3 : 1,93
G2 : 2,19
G4 : 2,01
ESSAI 5 : CIBLE GLAÇON
Temps de réponse
(en secondes)
Nombre de fixations
(en ms)
G1 : 4,22
G3 : 4,57
G2 : 2,79
G4 : 2,42
G1 : 11,1
G3 : 13,82
G2 : 7,8
G4 : 6,44
G1 : 456
G3 : 346
G2 : 358
G4 : 463
G1 : 1,75
G3 : 2,52
G2 : 1,79
G4 : 1,37
- 253 -
Annexes
ESSAI 6 : CIBLE VIOLET
Temps de réponse
(en secondes)
Nombre de fixations
(en ms)
G1 : 2,20
G3 : 3,20
G2 : 2,67
G4 : 2,65
G1 : 6,1
G3 : 10,09
G2 : 8,2
G4 : 8,67
G1 : 446
G3 : 371
G2 : 379
G4 : 323
G1 : 1,70
G3 : 1,62
G2 : 1,78
G4 : 1,92
ESSAI 7 : CIBLE BOSTON
Temps de réponse
(en seconde)
Nombre de fixations
G1 : 4.31
G3 : 3.75
G2 : 3.75
G4 : 3,67
G1 : 15,6
G3 : 13,64
G2 : 11,89
G4 : 12,22
G1 : 266
G3 : 277
G2 : 305
G4 : 292
G1 : 2,28
G3 : 2,41
G2 : 2,40
G4 : 2,23
- 254 -
Annexes
Conclusion : nous n’observons pas de différences de performances significatives entre nos 4
groupes expérimentaux sur chacun des essais de la phase d’entraînement.
A.2.2.a.2. Equivalence des 4 groupes expérimentaux sur l’ensemble des essais de la phase
expérimentale
Taux de réussites
Temps de réponse
(en secondes)
Nombre de fixations
(en ms)
G1 : 0,937
G3 : 0,926
G2 : 0,935
G4 : 0,936
G1 : 6,98
G3 : 7,20
G2 : 7,19
G4 : 6,55
G1 : 16,37
G3 : 17,24
G2 : 16,91
G4 : 15,84
G1 : 394
G3 : 390
G2 : 385
G4 : 390
G1 : 1,79
G3 : 1,84
G2 : 1,80
G4 : 1,75
En conclusion : nos 4 groupes expérimentaux sont équivalents du point des performances lors
de la phase expérimentale
- 255 -
Annexes
A.2.2.b. Expérience 2.2
cible gâteau
orangeade
cible voiture
cible
cible pantalon
commode
cible auberge
cible
Essai 6 :
Essai 5 :
Essais 4 :
Essai 3 :
Essai 2 :
Essai 1:
MOYENNES
F et p associé
groupe
groupe
couleur
italique
Temps de réponse
4,37
4,08
F(1,38)=0,267; p=.608, ns
Nombre de fixations
13,55
11,6
F(1,38)=2,09; p=.156, ns
Temps moyens pour une fixation
309
345
F(1,38)=3,22; p=.081, ns
1,95
1,87
F(1,38)=0,505; p=.482, ns
Temps de réponse
3,69
3,43
F(1,38)=0,606; p=.44, ns
Nombre de fixations
11,85
11,25
F(1,38)=0,308; p=.582, ns
305
306
F(1,38)=0,005; p=.946, ns
2
1,93
F(1,38)=0,579; p=.451, ns
Temps de réponse
3,68
3,21
F(1,38)=1,29; p=.264, ns
Nombre de fixations
11,45
10,20
F(1,38)=0,848; p=.363, ns
318
334
F(1,38)=0,308; p=.582, ns
1,79
1,70
F(1,38)=1,125; p=.295, ns
Temps de réponse
2,86
2,80
F(1,38)=0,191; p=.891, ns
Nombre de fixations
8,70
8,70
F(1,38)<1; p=1, ns
337
305
F(1,38)=2,09; p=.156, ns
1,75
1,65
F(1,38)=0,321; p=.574, ns
Temps de réponse
3,78
6,64
F(1,38)=2,01; p=.165, ns
Nombre de fixations
13,45
13,95
F(1,38)=0,679; p=415, ns
295
327
F(1,38)=2,967; p=.093, ns
1,69
1,81
F(1,38)=3,97; p=.054, ns
Temps de réponse
3,13
3,3
F(1,38)=0,123; p=.728, ns
Nombre de fixations
8,95
9,25
F(1,38)=0,067; p=.798, ns
340
349
F(1,38)=0,1; p=.754, ns
1,64
1,54
F(1,38)=0,681; p=.415 ns
Tableau 31 : Analyses par ANOVA permettant la comparaison entre les deux groupes indépendants : couleur et
italique, dans l’expérience 2.2.
- 256 -
Annexes
Les différentes analyses présentées dans le Tableau 31 nous montrent qu’il n’y a pas de
différence significative entre les différentes moyennes aussi bien pour les temps de réponse, le nombre
de fixations, les temps de fixation moyen et les amplitudes saccadiques entre les deux groupes
indépendants. Ces résultats nous permettent donc de conclure que les deux groupes indépendants sont
équivalents du point de vue de la tâche avant la passation expérimentale proprement dite.
- 257 -
Annexes
A.3. Annexes relatives aux comparaisons planifiées
A.3.1. Expérience 1.1
Effet de la structure sur les taux de réussites :
Effet global de la structure de présentation : F(3,105)=3,13 ; p=.03
Comparaisons planifiées :
Colonnes contre Lignes
: F(1,35)=0,87 ; p=.36, ns
Colonnes contre Hybride 1
: F(1,35)=3,31 ; p=.08, ns
: F(1,35)=1,1 ; p=.3, ns
Lignes contre Hybride 1
: F(1,35)=9,25 ; p<.01
: F(1,35)=3,56 ; p=.07, ns
Hybride 1 contre Hybride 2
: F(1,35)=1,04 ; p=.31, ns
Effet de la structure sur les temps de réponse :
Effet global de la structure de présentation : F(3,105)=3,34; p=.02
: F(1,35)=2,10 ; p=.16, ns
: F(1,35)=0,67 ; p=.42, ns
: F(1,35)=2,43 ; p=.13, ns
: F(1,35)=0,41 ; p=.53, ns
: F(1,35)=8,68 ; p<.01
: F(1,35)=4,54 ; p=.04
- 258 -
Annexes
Effet de la structure sur le nombre de fixations
Effet global de la structure de présentation : F(3,105)=5,13; p<.01
: F(1,35)=0,75 ; p=.39, ns
: F(1,35)=1,55 ; p=.22, ns
: F(1,35)=14,72 ; p<.01
: F(1,35)=0,15 ; p=.7, ns
: F(1,35)=7,83 ; p<.01
: F(1,35)=4,47 ; p=.04
Taux de réussite :
Effet global du nombre de mots identiques à la cible : F(2,60)=6,32; p<.01
0-DISTR contre 3-DISTR
: F(1,30)= 1,56 ; p=.22, ns
: F(1,30)=8,41 ; p<.01
: F(1,30)=9,48 ; p<.01
Temps de réponse :
Effet global du nombre de mots identiques à la cible : F(2,60)=3,10 ; p=.05
: F(1,30)= 5,81 ; p=.02
: F(1,30)=2,87 ; p=.1, ns
: F(1,30)=0,19 ; p=.66,ns
Nombre de fixations
Effet global du nombre de mots identiques à la cible : F(2,60)=5,81 ; p<.01
: F(1,30)= 6,98 ; p=.01
: F(1,30)=8,37 ; p<.01
: F(1,30)=1,3 ; p=.26,ns
- 259 -
Annexes
A.3.3.a. Groupe italique
EFFET DE LA MISE EN FORME DE LA CIBLE : CIBLE NON ITALIQUE, ITALIQUE OU CONJONCTIVE
Effet global : F(2,38)=6,72 ; p<.01
Comparaisons planifiées
Taux de réussites
Non italique contre italique : F(1,19)=5,75; p=.03
Non italique contre conjonctif : F(1,19) = 0,41; p=.53, ns
Italique contre conjonctif : F(1,19)=14,05 ; p<.01
Effet global : F(2,34)=17,21 ; p<.01
Temps de réponse
Non italique contre italique
:
F(1,17)=22,92 ; p<.01
Non italique contre conjonctif
:
F(1,17) = 23,77 ; p<.01
Italique contre conjonctif
:
F(1,17)=2,63 ; p=.12, ns
Effet global : F(2,34)=18,98 ; p<.01
Nombre de fixations
Non italique contre italique
:
F(1,17)=32,6; p<.01
Non italique contre conjonctif
:
F(1,17) = 22,92; p<.01
Italique contre conjonctif
:
F(1,17)=2,83 ; p=.11, ns
- 260 -
Annexes
EFFET DU NOMBRE DE MOTS NON ITALIQUE PAR RAPPORT AU NOMBRE DE MOTS ITALIQUES DANS
LE CONTEXTE
Taux de réussites
Effet global : F(4,76)=2,33; p=,06
[N1P30M1] contre [N7P24M1]
:
F(1,19)=9,62 ; p<.01
:
F(1,19)=3,25 ; p=.09, ns
:
F(1,19)=2,03 ; p=.17, ns
:
F(1,19)=0,48 ; p=.5, ns
:
F(1,19)=1,3 ; p=.27, ns
:
F(1,19)=1,63 ; p=.22, ns
:
F(1,19)=5,12 ; p=.04
:
F(1,19)=0,07; p=.8, ns
:
F(1,19)=1,54 ; p=.23, ns
:
F(1,19)=0,61 ; p=.45, ns
Temps de réponse
Nombre de fixations
Effet global : F(4,68)=1,25 ; p=.3, ns
CIBLE NON ITALIQUE : EFFET DU NOMBRE DE MOTS NON ITALIQUES PAR RAPPORT AU NOMBRE DE
MOTS ITALIQUES DANS LE CONTEXTE
Taux de réussites
Effet global : F(4,76)=3,05; p=.02.
[N1P30M1] contre [N7P24M1] : F(1,19)=0,18 ; p=.68, ns
[N1P30M1] contre [N30P1M1] : F(1,19)=8,26 ; p<.01
[N7P24M1] contre [N30P1M1] : F(1,19)=10,8 ; p<.01
[N16P15M1] contre [N30P1M1] : F(1,19)=5,94 ; p=.02
- 261 -
Annexes
Temps de réponse
Effet global : F(4,68)=0,33; p=.85, ns.
Nombre de fixations
CIBLE ITALIQUE :
EFFET DU NOMBRE DE MOTS NON ITALIQUES PAR RAPPORT AU NOMBRE DE
Taux de réussites
Temps de réponse
Nombre de fixations
Effet global : F(4,68)=2,21; p=.08, ns.
[N1P30M1] contre [N7P24M1] : F(1,17)= 1,84 ; p=.19, ns
[N1P30M1] contre [N24P7M1] : F(1,17)=6,65; p=.02
[N16P15M1] contre [N24P7M1] : F(1,17)=7,6 ; p=.01
- 262 -
Annexes
CIBLE CONJONCTIVE : EFFET DU NOMBRE DE MOTS NON ITALIQUES PAR RAPPORT AU NOMBRE DE
Taux de réussites
Effet global : F(4,76)=4,48 ; p<.01
[N1P30M1] contre [N7P24M1] : F(1,19)= 28,93 ; p<.01
[N1P30M1] contre [N24P7M1] : F(1,19)=4,94; p=.04, ns
[N1P30M1] contre [N30P1M1] : F(1,19)=10,04 ; p<.01
[N16P15M1] contre [N24P7M1] : F(1,19)=0,08 ; p=.79 ns
Temps de réponse
Nombre de fixations
Effet global : F(4,68)=3,66; p<.01
[N1P30M1] contre [N24P7M1] : F(1,17)=1,65; p=.22, ns
[N16P15M1] contre [N24P7M1] : F(1,17)=16,89 ; p<.01
[N16P15M1] contre [N30P1M1] : F(1,17)=23,49; p<.01
- 263 -
Annexes
A.3.3.b. Groupe rouge
EFFET DE COULEUR
Taux de réussites
DE LA CIBLE : CIBLE NOIRE, ROUGE OU CONJONCTIVE
Effet global : F(2,36)=14,36 ; p<.01
noire contre rouge : F(1,18)=0,83 ; p=.37, ns
noire contre conjonctif : F(1,18) = 30,03 ; p<.01, ns
rouge contre conjonctif : F(1,18)=18,65 ; p<.01
Temps de réponse
Effet global : F(2,30)=8,27 ; p<.01
noire contre rouge : F(1,15)=15,06 ; p<.01
noire contre conjonctif : F(1,15) = 2,94 ; p=.11, ns
rouge contre conjonctif : F(1,15)=8,45 ; p=.01, ns
Nombre de fixations
Effet global : F(2,30)= 10,63; p<.01
noire contre rouge : F(1,15)=24,18 ; p<.01
noire contre conjonctif : F(1,15) = 5,1 ; p=.04
rouge contre conjonctif : F(1,15)=5,11 ; p=.04
- 264 -
Annexes
EFFET DU NOMBRE DE MOTS NOIRS PAR RAPPORT AU NOMBRE DE MOTS ROUGES DANS LE
CONTEXTE
Taux de réussites
Temps de réponse
Effet global : F(4,60)=10,75; p<.01
Nombre de fixations
[N1P30M1] contre [N7P24M1] :
F(1,15)=0,42 ; p=.53, ns
F(1,15)=7,96 ; p=.01
F(1,15)=0,16 ; p=.69, ns
F(1,15)=25,87 ; p<.01
F(1,15)=1,56 ; p=.23, ns
F(1,15)=0,07 ; p=.79, ns
F(1,15)=14,63 ; p<.01
F(1,15)=2,13; p=.17, ns
F(1,15)=59,33; p<.01
F(1,15)=21,24 ; p<.01
Effet global : F(4,68)=15,92 ; p<.01
F(1,15)=16,73 ; p<.01
F(1,15)=19,69 ; p<.01
F(1,15)=6,43 ; p=.02
F(1,15)=17,64 ; p<.01
F(1,15)<1 ; p=.99, ns
F(1,15)=0,17 ; p=.69, ns
F(1,15)=23,78 ; p<.01
F(1,15)=0,14; p=.71, ns
F(1,15)=46,48 ; p<.01
F(1,15)=30,15 ; p<.01
- 265 -
Annexes
CIBLE NOIRE : EFFET DU NOMBRE DE MOTS NOIRS PAR RAPPORT AU NOMBRE DE MOTS ROUGES
DANS LE CONTEXTE
Taux de réussites
Effet global :F(4,72)=15,29; p<.01
[N1P30M1] contre [N16P15M1] : F(1,18)=8,74 ; p<.01
[N1P30M1] contre [N24P7M1] : F(1,18)=9,85 ; p<.01
[N1P30M1] contre [N30P1M1] : F(1,18)=42,35 ; p<.01
[N7P24M1] contre [N16P15M1] : F(1,18)=5,58 ; p=.03
[N7P24M1] contre [N30P1M1] : F(1,18)=63,13 ; p<.01
[N16P15M1] contre [N30P1M1] : F(1,18)=10,69 ; p<.01
[N24P7M1] contre [N30P1M1] : F(1,18)=17,19 ; p<.01, ns
Temps de réponse
Effet global : F(4,60)=3,15; p=.02
[N1P30M1] contre [N16P15M1] : F(1,15)=8,25 ; p=.01
[N1P30M1] contre [N24P7M1] : F(1,15)=8,25 ; p=.01
[N1P30M1] contre [N30P1M1] : F(1,15)=11,86 ; p<.01
Nombre de fixations
Effet global : F(4,60)=3,78 ; p<.01
[N1P30M1] contre [N7P24M1] : F(1,15)=7,31 ; p=.02
[N1P30M1] contre [N16P15M1] : F(1,15)=5,9 ; p=.03
[N1P30M1] contre [N24P7M1] : F(1,15)=14,03 ; p<.01
[N1P30M1] contre [N30P1M1] : F(1,15)=9,6 ; p<.01
- 266 -
Annexes
CIBLE ROUGE :
EFFET DU NOMBRE DE MOTS NOIRS PAR RAPPORT AU NOMBRE DE MOTS ROUGES
DANS LE CONTEXTE
Taux de réussites
Effet global : F(4,72)=5,84 ; p<.01, ns
Temps de réponse
F(1,18)=0,37 ; p=.55, ns
F(1,18)=1,46 ; p=.24, ns
F(1,18)=5,37 ; p=.03
F(1,18)=5,6 ; p=.03
F(1,18)=4,17 ; p=.06, ns
F(1,18)=3,25 ; p=.08, ns
F(1,18)=18,61 ; p<.01
F(1,18)=3,5 ; p=.07, ns
F(1,18)=4,88 ; p=.04
F(1,18)=1,09 ; p=.31, ns
Effet global : F(4,60)=16,57; p<.01
[N1P30M1] contre [N16P15M1] : F(1,15)=19,88 ; p<.01
[N1P30M1] contre [N24P7M1] : F(1,15)=17,24 ; p<.01
[N1P30M1] contre [N30P1M1] : F(1,15)=40,18 ; p<.01
[N7P24M1] contre [N24P7M1] : F(1,15)=5,6 ; p=.03
[N7P24M1] contre [N30P1M1] : F(1,15)=24,9 ; p<.01
[N16P15M1] contre [N30P1M1] : F(1,15)=13,52 ; p<.01
[N24P7M1] contre [N30P1M1] : F(1,15)=15,48 ; p<.01
- 267 -
Annexes
Nombre de fixations
Effet global : F(4,60)=22,29; p<.01
[N1P30M1] contre [N16P15M1] : F(1,15)=17,65 ; p<.01
[N1P30M1] contre [N24P7M1] : F(1,15)=24,28 ; p<.01
[N1P30M1] contre [N30P1M1] : F(1,15)= 46,03 ; p<.01
[N7P24M1] contre [N16P15M1] : F(1,15)=17,67 ; p<.01
[N7P24M1] contre [N24P7M1] : F(1,15)=9,29 ; p<.01
[N7P24M1] contre [N30P1M1] : F(1,15)=32,87 ; p<.01
[N16P15M1] contre [N30P1M1] : F(1,15)=21,42 ; p<.01
[N24P7M1] contre [N30P1M1] : F(1,15)=26,59 ; p<.01
CIBLE CONJONCTIVE : EFFET DU NOMBRE DE MOTS NOIRS PAR RAPPORT AU NOMBRE DE MOTS
ROUGES DANS LE CONTEXTE
Taux de réussites
Effet global : F(4,72)=7,6 ; p<.01
[N1P30M1] contre [N7P24M1] : F(1,18)= 39,64 ; p<.01
[N1P30M1] contre [N16P15M1] : F(1,18)=22,34 ; p<.01
[N1P30M1] contre [N24P7M1] : F(1,18)=12,18; p<.01
[N1P30M1] contre [N30P1M1] : F(1,18)=24,75 ; p<.01
[N16P15M1] contre [N24P7M1] : F(1,18)=0,02 ; p=.89 ns
[N16P15M1] contre [N30P1M1] : F(1,18)=0, ns
Temps de réponse
Effet global : F(4,60)=14,82 ; p<.01
[N1P30M1] contre [N16P15M1] : F(1,15)=16,56 ; p<.01
[N1P30M1] contre [N30P1M1] : F(1,15)= 8,99 ; p<.01
[N7P24M1] contre [N16P15M1] : F(1,15)=5,92 ; p=.03
- 268 -
Annexes
[N7P24M1] contre [N30P1M1] : F(1,15)=41,8 ; p<.01
[N16P15M1] contre [N24P7M1] : F(1,15)=7,64; p=.01
[N16P15M1] contre [N30P1M1] : F(1,15)=55,78 ; p<.01
[N24P7M1] contre [N30P1M1] : F(1,15)=84,34 ; p<.01
Effet global : F(4,60)=17,68; p<.01
Nombre de fixations
[N1P30M1] contre [N7P24M1] : F(1,15)= 9,25 ; p<.01
[N1P30M1] contre [N16P15M1] : F(1,15)=29,02 ; p<.01
[N1P30M1] contre [N24P7M1] : F(1,15)=9,52 ; p<.01, ns
[N7P24M1] contre [N30P1M1] : F(1,15)=18,13 ; p<.01
[N16P15M1] contre [N24P7M1] : F(1,15)=6,94 ; p=.02
[N16P15M1] contre [N30P1M1] : F(1,15)=91,75; p<.01
[N24P7M1] contre [N30P1M1] : F(1,15)=24,46 ; p<.01
A.3.4. Expérience 4
EFFET DE LA DISTANCE SEMANTIQUE
Taux de réussites
Effet global : F(2,60)=37,04; p<.01
[1-PROCHE] contre [1-DISTANT] : F(1,30)=52,29 ; p<.01
[1-DISTANT ] contre [2-DISTANT] : F(1,30)=0,244 ; p=.63, ns
Temps de réponse
Effet global : F(2,60)=6,25 ; p<.01
[1-PROCHE] contre [2-DISTANT] : F(1,30)=6,18 ; p=.02
Nombre de fixations
- 269 -
Annexes
Temps moyens pour une
fixations
Effet global : F(2,60)=39,17 ; p<.01
Effet global : F(2,60)=9,54 ; p<.01
[1-PROCHE] contre [2-DISTANT] : F(1,30)=5,25; p=.03
[1-DISTANT ] contre [2-DISTANT] : F(1,30)=3,47 ; p=.07 , ns
EFFET DE LA DISTANCE SEMANTIQUE SUR LA CONDITION PERCEPTIVE [0-DIST]
Taux de réussites
Effet global : F(2,60)=27,34; p<.01
Temps de réponse
Effet global : F(2,60)=3,38; p=.04
[1-PROCHE] contre [2-DISTANT] : F(1,30)=0,25 ; p=.62, ns
[1-DISTANT ] contre [2-DISTANT] : F(1,30)=5,38 ; p=.03
Nombre de fixations
Effet global : F(2,60)=2,57; p=.08
[1-DISTANT ] contre [2-DISTANT] : F(1,30)=3,35 ; p=.08, m s
- 270 -
Annexes
fixations
Effet global : F(2,60)=4,76; p=.01
Taux de réussites
Effet global : F(2,60)=51,37 ; p<.01
Temps de réponse
Effet global : F(2,60)= 24,81 ; p<.01
[1-DISTANT ] contre [2-DISTANT] : F(1,30)=10,7 ; p<.01
Nombre de fixations
Effet global : F(2,60)= 5,69 ; p<.01
fixations
Effet global : F(2,60)= 56,46 ; p<.01
- 271 -
Annexes
Effet global : F(2,60)= 38,9 ; p<.01
Taux de réussites
Temps de réponse
Effet global : F(2,60)=4,96 ; p=.01
(en secondes)
Nombre de fixations
Effet global : F(2,60)=7,95 ; p=.01
fixations (en ms)
Effet global : F(2,60)=20,24 ; p<.01
Effet global : F(2,60)=7,99 ; p<.01
- 272 -
Annexes
EFFET DU NOMBRE DE MOTS IDENTIQUES A LA CIBLE SUR LA CONDITION SEMANTIQUE [1PROCHE]
Taux de réussites
Effet global : F(2,60)=14,47 ; p<.01
[0-DISTR] contre [3-DISTR]
: F(1,30)=7,99 ; p<.01
[0-DISTR] contre [6-DISTR] : F(1,30)=19,55 ; p<.01
Temps de réponse
(en secondes)
Effet global : F(2,60)= 3,24 ; p=.05
: F(1,30)=6,9 ; p=.01
[0-DISTR] contre [6-DISTR] : F(1,30)=1,44 ; p=.24, ns
Nombre de fixations
fixations (ms)
Effet global : F(2,60)= 0,9 ; p=.41, ns
Effet global : F(2,60)= 4,87 ; p=.01
: F(1,30)=9,39 ; p<.01
[0-DISTR] contre [6-DISTR] : F(1,30)=6,87 ; p=.01
Effet global : F(2,60)= 17 ; p=.2, ns
EFFET DU NOMBRE DE MOTS IDENTIQUES A LA CIBLE SUR LA CONDITION SEMANTIQUE [1DISTANT]
Taux de réussites
Temps de réponse
Effet global : F(2,60)=15,69; p<.01
(en secondes)
: F(1,30)=3,75 ; p=.06
- 273 -
Annexes
Nombre de fixations
Effet global : F(2,60)=22,37; p<.01
: F(1,30)=6,94 ; p=.01
fixations (en ms)
Effet global : F(2,60)=9,82 ; p<.01
: F(1,30)=7,52 ; p=.01
Effet global : F(2,60)=6,78 ; p<.01
: F(1,30)=7,88 ; p<.01
EFFET DU NOMBRE DE MOTS IDENTIQUES A LA CIBLE SUR LA CONDITION SEMANTIQUE [2DISTANT]
Taux de réussites
Temps de réponse
Effet global : F(2,60)=2,83; p=.07, marg s
(en secondes)
: F(1,30)=0,07 ; p=.79, ns
Nombre de fixations
fixations (en ms)
- 274 -
Annexes
A.3.5. Expérience 5
EFFET DE LA DISCRIMINATION VISUELLE
Taux de réussites
Effet global : F(2,36)=14,19; p<.01
Discriminant contre neutre : F(1,18)=2,24 ; p=.09, ns
Discriminant contre masquant : F(1,18)=16,83 ; p<.01
Neutre contre masquant : F(1,18)=27,23 ; p<.01
Temps de répons e
(en secondes)
Effet global : F(2,32)=68,29 ; p<.01
Discriminant contre neutre : F(1,16)=79,44 ; p<.01
Nombre de fixations
Effet global : F(2,32)=41,45 ; p<.01
EFFET DE LA DISCRIMINATION VISUELLE SUR UN CONTEXTE PROCHE SEMANTIQUEMENT
Taux de réussites
Effet global : F(2,36)=15,78 ; p<.01
Temps de réponse
(en secondes)
Effet global : F(2,32)=25,81 ; p<.01
Neutre contre masquant : F(1,16)=4,35 ; p=.05
- 275 -
Annexes
Nombre de fixations
Effet global : F(2,32)=19,95 ; p<.01
EFFET DE LA DISCRIMINATION VISUELLE SUR UN CONTEXTE DISTANT S EMANTIQUEMENT
Taux de réussites
Effet global : F(2,36)=7,49 ; p<.01
Neutre contre masquant : F(1,18)=1,15 ; p=.3, ns
Temps de réponse
(en secondes)
Effet global : F(2,32)=104,04 ; p<.01
Nombre de fixations
Effet global : F(2,32)=62,02 ; p<.01
- 276 -
Annexes
EFFET DE LA DISCRIMINATION VISUELLE POUR UNE CIBLE TYPIQUE
Taux de réussites
Effet global : F(2,36)=11,49 ; p<.01
Discriminant contre neutre : F(1,18)=4,04 ; p=.06
Neutre contre masquant : F(1,18)=13 ; p<.01
Temps de réponse
(en secondes)
Effet global : F(2,32)=60,93 ; p<.01
Nombre de fixations
Effet global : F(2,32)=30,57 ; p<.01
EFFET DE LA DISCRIMINATION VISUELLE SUR UNE CIBLE NON TYPIQUE
Taux de réussites
Effet global : F(2,36)=7,97 ; p<.01
Temps de réponse
(en secondes)
Effet global : F(2,32)=50,04 ; p<.01
- 277 -
Annexes
Nombre de fixations
Effet global : F(2,32)=31,37 ; p<.01
EFFET DE LA DISCRIMINATION VISUELLE SUR UNE CIBLE TYPIQUE PROCHE SEM ANTIQUEMENT DU
CONTEXTE
Taux de réussites
Effet global : F(2,36)=13,62 ; p<.01
Temps de réponse
(en secondes)
Effet global : F(2,32)=25,22 ; p<.01
Nombre de fixations
Effet global : F(2,32)=17,41 ; p<.01
- 278 -
Annexes
EFFET DE LA DISCRIMINATION VISUELLE SUR UNE CIBLE NON TYPIQUE PROCHE
SEMANTIQUEMENT DU CONTEXTE
Taux de réussites
Effet global : F(2,36)=7,49 ; p<.01
Discriminant contre masquant : F(1,18)=4,54 ; p=.05
Temps de réponse
(en secondes)
Effet global : F(2,32)=13,28 ; p<.01
Nombre de fixations
Effet global : F(2,32)=9,87 ; p<.01
EFFET DE LA DISCRIMINATION VISUELLE SUR UNE CIBLE TYPIQUE DIS TANTE SEMANTIQUEMENT
DU CONTEXTE
Taux de réussites
Temps de réponse
Effet global : F(2,32)=54,38 ; p<.01
(en secondes)
- 279 -
Annexes
Nombre de fixations
Effet global : F(2,32)=26,09 ; p<.01
EFFET DE LA DISCRIMINATION VISUELLE SUR UNE CIBLE NON TYPIQUE DISTANTE
SEMANTIQUEMENT DU CONTEXTE
Taux de réussites
Effet global : F(2,36)=8,72 ; p<.01
Temps de réponse
(en secondes)
Effet global : F(2,32)=90,37 ; p<.01
Nombre de fixations
Effet global : F(2,32)=51,09 ; p<.01
- 280 -
Annexes
EFFET DE LA TYPICALITE
Taux de réussites
Discriminant : F(1,18)=18,51 ; p<.01
Contexte proche
sémantiquement de la cible
Neutre : F(1,18)=24,54 ; p<.01
masquage : F(1,18)=21,98 ; p<.01
Discriminant : F(1,18)=5,56 ; p=.03
Contexte distant
Neutre : F(1,18)=31,32 ; p<.01
masquage : F(1,18)=13,84 ; p<.01
Discriminant : F(1,16)=12,52 ; p<.01
Contexte proche
Neutre : F(1,16)=19,31 ; p<.01
masquage : F(1,16)=37,25 ; p<.01
Contexte distant
Discriminant : F(1,16)=1,9 ; p=.19, ns
Neutre : F(1,16)=2,61 ; p=.13, ns
masquage : F(1,16)=2,8 ; p=.11, ns
Nombre de fixations
Discriminant : F(1,16)=4,55 ; p=.04
Contexte proche
Neutre : F(1,16)=17,66 ; p<.01
masquage : F(1,16)=13,13 ; p<.01
Contexte distant
Neutre : F(1,16)=2,68 ; p=.12, ns
masquage : F(1,16)=6,97 ; p=.02
EFFET DE LA DISTANCE SEMANTIQUE
Taux de réussites
Cible typique
Neutre : F(1,18)=4,62 ; p=.05
masquage : F(1,18)=12,42 ; p<.01
Cible non typique
Discriminant : F(1,18)=14,20 ; p<.01
Neutre : F(1,18)=0,23 ; p=.64, ns
masquage : F(1,18)=28,17 ; p<.01
- 281 -
Annexes
Cible typique
Neutre : F(1,16)=14,63 ; p<.01
masquage : F(1,16)=0,04 ; p=.85, ns
Cible non typique
Discriminant : F(1,16)=30,45 ; p<.01
Neutre : F(1,16)=23,97 ; p<.01
masquage : F(1,16)=12,46 ; p<.01
Nombre de fixations
Discriminant : F(1,16)=2,27; p=.15, ns
Cible typique
Neutre : F(1,16)=2,27 ; p=.09
masquage : F(1,16)=0,01 ; p=.94, ns
Cible non typique
Discriminant : F(1,16)=14,05 ; p<.01
Neutre : F(1,16)=11,22 ; p<.01
masquage : F(1,18)=1,29 ; p=.27, ns
Temps moyen de fixation (en ms)
Cible typique
Neutre : F(1,16)=3,98 ; p=.06
masquage : F(1,16)=11,60 ; p<.01
Cible non typique
Neutre : F(1,16)=1,5 ; p=.24, ns
masquage : F(1,16)=15 ; p<.01
Cible typique
Neutre : F(1,18)=4,62 ; p=.05
masquage : F(1,18)=12,42 ; p<.01
Cible non typique
Discriminant : F(1,18)=14,20 ; p<.01
Neutre : F(1,18)=0,23 ; p=.64, ns
masquage : F(1,18)=28,17 ; p<.01
- 282 -

La discrimination visuelle et sémantique des mots

Transcription

Documents pareils

Fiche Métiers Graphiste

agence de communication kartell8 Strasbourg Alsace 67

Concevoir une annonce Presse

Programme Vision

PROGRAMME DE FORMATION ANIMATION D`UNE EQUIPE DE

Services de création - NATIONAL Public Relations

DESCRIPTIF DE COURS Année académique 2016