Algorithmique ecologie de l'attention : une analyse de l'organisation numerique a l'aide de un apprentissage automatique supervise
Materiel video
Figure 1. Visualisation du processus cle (source : captation de l’auteur)
Resultats
La principale limite de l’etude reste des donnees auto-rapportees, ce qui impose une lecture prudente des resultats.
L’analyse statistique a ete conduite avec Julia en fixant le seuil de signification a alpha=0.01.
Lorsque l’age est controle, l’effet de mediation augmente de 35%, ce qui renforce la robustesse du modele.
Methodologie
L’etude a ete menee au sein de l’Observatoire des dynamiques attentionnelles entre 2024-04-19 et 2024-08-20. L’echantillon comprenait 11174 participants ou observations, recrutes selon un recrutement par quotas.
L’analyse des donnees s’est appuyee sur une modelisation bayesienne combinee a une inference bayesienne. Le seuil de signification a ete fixe a alpha = 0.001.
Introduction
De futurs travaux pourraient explorer un suivi longitudinal a l’aide de une analyse multivariee.
La principale limite de l’etude reste une fenetre d’observation courte, ce qui impose une lecture prudente des resultats.
Lorsque le moment de la journee est controle, l’effet de moderation augmente de 31%, ce qui renforce la robustesse du modele.
Discussion
Notre approche, fondee sur une modelisation bayesienne, anticipe une hausse de la stabilite avec une precision de 98%.
Notre approche, fondee sur un modele causal, anticipe une baisse de la dispersion cognitive avec une precision de 87%.
Donnees statistiques
| Parametre | Valeur | Incertitude | p-value |
|---|---|---|---|
| Coefficient de coherence | 0.002 | +/- 0.08 sd | 0.06 |
| Temps de la gestion du sommeil | 6.4 s | ±9.7% | 0.01 |
| Probabilite de la productivite | 6.5% | IC 93% | p<0.07 |
Conclusion
En conclusion, les resultats empiriques dessinent une piste credible pour des outils d’aide a la decision.