Analyses et modeles des temps de reponse, de l'apprentissage, et de l'automatisation de la recherche mnesique et visuelle

Cette thèse applique différentes perspectives d'analyses aux temps de réponse (TR). En effet, dans une tâche d'apprentissage, la masse de TR colligés oblige à adopter des points de vue très précis. Les perspectives longitudinale et transversale ont été appliquées à la tâche de recherche visuelle et mnésique. Dans une telle tâche, le sujet doit repérer le plus rapidement possible la présence d'un caractère précis (nommé cible dans ce contexte) parmi des leurres. Chaque essai débute par la présentation des cibles potentielles que le sujet doit mémoriser (charge mnésique). Cet affichage est remplacé par l'affichage test (charge visuelle). On parle de rôle constant (consistent mapping, CM) entre les stimuli et les réponses «présent» quand les caractères servant de cibles sont différents des caractères servant de leurres. Dans une condition de rôle variable (varied mapping, VM), les mêmes stimuli peuvent servir comme cible et comme leurre dans des essais successifs.

La principale contribution expérimentale de cette thèse est l'introduction d'une autre condition, mitoyenne entre une condition de rôle constant et une condition de rôle variable (nommée categorical varied mapping, CVM). Dans une condition de rôle constant, les cibles peuvent former une catégorie associée une seule et même réponse. Pour distinguer l'effet de catégorie de l'effet dû au rôle constant, nous avons utilisé une condition dans laquelle deux ensembles distincts de caractères sont utilisés. Comme dans la condition de rôle constant, à chaque essai, les cibles sont tirées d'un ensemble et les leurres le sont de l'autre. Par contre, contrairement la condition CM, le choix des ensembles servant de cibles et de leurres varie d'un essai à l'autre dans la condition CVM.

Nous avons introduit un modèle où le niveau de représentation est constitué des traits formant les caractères. La recherche d'une cible se fait donc en comparant leurs traits à ceux des cibles dans la charge mnésique. Ce processus commence par les traits les plus diagnostics. Le modèle reproduit fidèlement les résultats transversaux: une quasi absence d'effet des charges dans la condition avec rôle constant, un effet d'interaction entre les charges pour la condition de rôle variable et un effet des catégories préformées dans la condition CVM. De plus, le modèle explique aussi les résultats longitudinaux classiques.

Nous avons examiné l'hypothèse soulevée par Logan (1992) que l'asymétrie des TR est constante dans les situations où les performances peuvent s'automatiser. Nos analyses démontrent qu'il en est ainsi aussi bien dans les conditions avec rôle constant que dans les conditions avec rôle variable. Cependant, dans la condition CVM, l'asymétrie change qualitativement d'une session à l'autre, sans se stabiliser.

Nous concluons cette thèse en décrivant les méthodes statistiques adoptées pour analyser les données longitudinales et pour obtenir les paramètres issus de la distribution des temps de réponse. PASTIS est un logiciel créé pour réaliser ces opérations. Il s'agit en substance d'un logiciel d'estimation de paramètres suivant une heuristique de minimisation (hill climbing). Ce logiciel permet d'évaluer rapidement et précisément un grand nombre de paramètres pour plusieurs types de courbes d'apprentissages et plusieurs types de distributions sans nécessiter aucune programmation. (Abstract shortened by UMI.)

Alternate abstract:

This thesis applies different analytical perspectives to response times (RT). In fact, in a learning task, the mass of collected TRs obliges to adopt very precise points of view. Longitudinal and transverse perspectives were applied to the visual and memory search task. In such a task, the subject must identify as quickly as possible the presence of a specific character (called target in this context) among decoys. Each trial begins with the presentation of the potential targets that the subject must memorize (memory load). This display is replaced by the test display (visual load). We speak of a constant role (consistent mapping, CM) between the stimuli and the "present" responses when the characters serving as targets are different from the characters serving as decoys. In a variable role condition (varied mapping, VM), the same stimuli can serve as a target and as a decoy in successive trials.

The main experimental contribution of this thesis is the introduction of another condition, halfway between a condition of constant role and a condition of variable role (named categorical varied mapping, CVM). In a constant role condition, the targets can form a category associated with a single response. To distinguish the category effect from the effect due to the constant role, we used a condition in which two distinct sets of characters are used. As in the constant role condition, on each trial the targets are drawn from one set and the decoys from the other. On the other hand, contrary to the CM condition, the choice of sets serving as targets and decoys varies from one trial to another in the CVM condition.

We have introduced a model where the level of representation is made up of the traits forming the characters. The search for a target is therefore done by comparing their features with those of the targets in the memory load. This process begins with the most diagnostic traits. The model faithfully reproduces the cross-sectional results: a quasi absence of effect of the charges in the condition with constant role, an effect of interaction between the charges for the condition of variable role and an effect of the preformed categories in the CVM condition. In addition, the model also explains the classical longitudinal results.

We examined the hypothesis raised by Logan (1992) that TR asymmetry is constant in situations where performance can be automated. Our analyzes show that this is the case both in the conditions with a constant role and in the conditions with a variable role. However, in the CVM condition, the asymmetry changes qualitatively from session to session, without stabilizing.

We conclude this thesis by describing the statistical methods adopted to analyze the longitudinal data and to obtain the parameters from the distribution of response times. PASTIS is a software created to carry out these operations. It is essentially a software for estimating parameters according to a heuristic of minimization (hill climbing). This software makes it possible to quickly and accurately evaluate a large number of parameters for several types of learning curves and several types of distributions without requiring any programming. (Abstract shortened by UMI.)