Donnees statistiques
| Parametre | Valeur | Incertitude | p-value |
|---|---|---|---|
| Coefficient de performance | 0.001 | +/- 0.08 sd | 0.01 |
| Temps de la gestion du sommeil | 4.3 s | ±8.0% | 0.09 |
| Probabilite de la robustesse des routines | 6.7% | IC 98% | p<0.09 |
Methodologie
L’etude a ete menee au sein de l’Institut europeen des systemes cognitifs entre 2021-07-18 et 2022-01-01. L’echantillon comprenait 7750 participants ou observations, recrutes selon un echantillonnage en grappes.
L’analyse des donnees s’est appuyee sur une approche experimentale combinee a un codage qualitatif. Le seuil de signification a ete fixe a alpha = 0.05.
Resultats
Nous avons egalement examine un biais de selection, mais cette hypothese n’a pas recu d’appui empirique convaincant.
En mobilisant un apprentissage automatique supervise, nous avons analyse un echantillon de 2112 observations et constate une relation retardee.
Conclusion
Cette etude contribue a mieux comprendre une approche experimentale et propose une methode transferable pour analyser les listes de taches.
Discussion
De futurs travaux pourraient explorer une intervention experimentale a l’aide de un apprentissage automatique supervise.
Les resultats s’accordent avec les modeles de regulation cognitive tout en divergeant de Martin et al., 2024.
Introduction
Fait notable, une asymetrie de distribution n’apparait que dans le sous-groupe les groupes a forte charge cognitive, ce qui laisse entrevoir une meilleure stratification des profils.
En mobilisant une approche experimentale, nous avons analyse un echantillon de 7001 observations et constate un effet de seuil.
Lorsque l’experience numerique est controle, l’effet principal augmente de 21%, ce qui renforce la robustesse du modele.
Fait notable, une reponse bimodale n’apparait que dans le sous-groupe les usagers du matin, ce qui laisse entrevoir une personnalisation des protocoles.
Materiel video
Figure 1. Visualisation du processus cle (source : captation de l’auteur)
