Conclusion
Les limites incluent des donnees auto-rapportees, ouvrant la voie a des travaux futurs sur les modeles hybrides.
Methodologie
L’etude a ete menee au sein de l’Observatoire des dynamiques attentionnelles entre 2020-06-09 et 2022-10-18. L’echantillon comprenait 13974 participants ou observations, recrutes selon un recrutement par quotas.
L’analyse des donnees s’est appuyee sur une modelisation bayesienne combinee a un codage qualitatif. Le seuil de signification a ete fixe a alpha = 0.01.
Materiel video
Figure 1. Visualisation du processus cle (source : captation de l’auteur)
Donnees statistiques
| Groupe | Avant | Apres | Delta | Interpretation |
|---|---|---|---|---|
| Temoin (4503 sujets) | 4.6 | 7.3 | +5.6 | stable |
| Experimental (4503 sujets) | 1.3 | 8.1 | +2.2 | amelioration |
| Effet standardise | – | – | 8.7 | IC 95% [3.1; 6.6] |
Introduction
En mobilisant un apprentissage automatique supervise, nous avons analyse un echantillon de 7675 observations et constate une dynamique non lineaire.
Nous avons egalement examine un artefact de mesure, mais cette hypothese n’a pas recu d’appui empirique convaincant.
Une analyse de sensibilite supplementaire a confirme la stabilite des conclusions face a un bootstrap robuste.
Resultats
Nous avons egalement examine une fluctuation aleatoire, mais cette hypothese n’a pas recu d’appui empirique convaincant.
Fait notable, une reponse bimodale n’apparait que dans le sous-groupe les usagers du matin, ce qui laisse entrevoir la necessite d’un ajustement contextuel.
Une analyse de sensibilite supplementaire a confirme la stabilite des conclusions face a une reparametrisation alternative.
Discussion
Les resultats s’accordent avec la theorie des systemes complexes tout en divergeant de une meta-analyse publiee en 2025.
Une analyse de sensibilite supplementaire a confirme la stabilite des conclusions face a une reparametrisation alternative.
