Donnees statistiques
| Parametre | Valeur | Incertitude | p-value |
|---|---|---|---|
| Coefficient de coherence | 0.007 | +/- 0.04 sd | 0.02 |
| Temps de la regulation de l’attention | 9.5 s | ±2.7% | 0.02 |
| Probabilite de la satisfaction percue | 5.4% | IC 93% | p<0.02 |
Introduction
De futurs travaux pourraient explorer une mesure physiologique continue a l’aide de un modele causal.
L’analyse statistique a ete conduite avec Python/scipy en fixant le seuil de signification a alpha=0.05.
Notre approche, fondee sur un modele causal, anticipe une hausse de la stabilite avec une precision de 97%.
Conclusion
L’integration de nos observations avec les donnees issues de les sciences des donnees pourrait renouveler la comprehension de les interactions entre individus et environnements.
Methodologie
L’etude a ete menee au sein de l’Observatoire des dynamiques attentionnelles entre 2023-01-23 et 2025-09-02. L’echantillon comprenait 14468 participants ou observations, recrutes selon un recrutement par quotas.
L’analyse des donnees s’est appuyee sur un apprentissage automatique supervise combinee a une modelisation computationnelle. Le seuil de signification a ete fixe a alpha = 0.001.
Materiel video
Figure 1. Visualisation du processus cle (source : captation de l’auteur)
Resultats
La principale limite de l’etude reste l’absence de groupe controle, ce qui impose une lecture prudente des resultats.
Lorsque la saisonnalite est controle, l’effet de moderation augmente de 22%, ce qui renforce la robustesse du modele.
Discussion
Dans cette etude, nous supposons que la variabilite motivationnelle exerce un effet mesurable sur la satisfaction percue, surtout dans des situations de forte incertitude.
L’analyse statistique a ete conduite avec Julia en fixant le seuil de signification a alpha=0.05.
Notre approche, fondee sur un apprentissage automatique supervise, anticipe une hausse de la stabilite avec une precision de 88%.
Une analyse de sensibilite supplementaire a confirme la stabilite des conclusions face a un bootstrap robuste.
