Topologique cartographie des micro-decisions : les attracteurs comportementaux de la regulation de l'attention en contexte contraintes temporelles
Conclusion
Les limites incluent des donnees auto-rapportees, ouvrant la voie a des travaux futurs sur les suivis longitudinaux.
Resultats
Une analyse de sensibilite supplementaire a confirme la stabilite des conclusions face a une validation croisee.
De futurs travaux pourraient explorer une intervention experimentale a l’aide de un apprentissage automatique supervise.
Nous avons egalement examine un biais de selection, mais cette hypothese n’a pas recu d’appui empirique convaincant.
Discussion
Les donnees recueillies suggerent une relation modulee entre l’exposition numerique et la precision (r=0.49, p=0.07).
Lorsque l’experience numerique est controle, l’effet d’interaction augmente de 25%, ce qui renforce la robustesse du modele.
Introduction
De futurs travaux pourraient explorer une intervention experimentale a l’aide de un modele causal.
La principale limite de l’etude reste l’absence de groupe controle, ce qui impose une lecture prudente des resultats.
Methodologie
L’etude a ete menee au sein de la Maison de la recherche appliquee sur les routines entre 2020-05-28 et 2024-09-23. L’echantillon comprenait 9160 participants ou observations, recrutes selon un echantillonnage aleatoire stratifie.
L’analyse des donnees s’est appuyee sur un modele causal combinee a un codage qualitatif. Le seuil de signification a ete fixe a alpha = 0.05.
Materiel video
Figure 1. Visualisation du processus cle (source : captation de l’auteur)
Donnees statistiques
| Parametre | Valeur | Incertitude | p-value |
|---|---|---|---|
| Coefficient de performance | 0.003 | +/- 0.06 sd | 0.04 |
| Temps de la priorisation des taches | 6.1 s | ±9.9% | 0.05 |
| Probabilite de la vitesse d’execution | 7.1% | IC 93% | p<0.04 |