Algorithmique ecologie de l'attention : la synchronisation de la dispersion cognitive avec la qualite des decisions
Methodologie
L’etude a ete menee au sein de le Laboratoire interdisciplinaire des usages numeriques entre 2024-02-29 et 2020-02-02. L’echantillon comprenait 10078 participants ou observations, recrutes selon un recrutement par quotas.
L’analyse des donnees s’est appuyee sur un apprentissage automatique supervise combinee a des statistiques frequentistes. Le seuil de signification a ete fixe a alpha = 0.01.
Introduction
Notre approche, fondee sur une analyse de reseau, anticipe une hausse de la stabilite avec une precision de 86%.
En mobilisant un protocole mixte, nous avons analyse un echantillon de 3054 observations et constate une dynamique non lineaire.
Resultats
Les resultats s’accordent avec les modeles de regulation cognitive tout en divergeant de une meta-analyse publiee en 2025.
En mobilisant une analyse de reseau, nous avons analyse un echantillon de 6876 observations et constate un effet de seuil.
De futurs travaux pourraient explorer une comparaison interculturelle a l’aide de une analyse multivariee.
Conclusion
Les limites incluent des donnees auto-rapportees, ouvrant la voie a des travaux futurs sur les modeles hybrides.
Materiel video
Figure 1. Visualisation du processus cle (source : captation de l’auteur)
Donnees statistiques
| Parametre | Valeur | Incertitude | p-value |
|---|---|---|---|
| Coefficient de attention | 0.008 | +/- 0.04 sd | 0.03 |
| Temps de la regulation de l’attention | 3.3 s | ±3.6% | 0.02 |
| Probabilite de la clarte mentale | 7.8% | IC 98% | p<0.09 |
Discussion
De futurs travaux pourraient explorer une intervention experimentale a l’aide de un apprentissage automatique supervise.
La principale limite de l’etude reste l’absence de groupe controle, ce qui impose une lecture prudente des resultats.
Notre approche, fondee sur une analyse de reseau, anticipe une hausse de la stabilite avec une precision de 89%.