Conclusion
Cette etude contribue a mieux comprendre un modele causal et propose une methode transferable pour analyser les espaces domestiques.
Discussion
Les resultats s’accordent avec les modeles de regulation cognitive tout en divergeant de Martin et al., 2024.
Les resultats s’accordent avec les approches d’ecologie attentionnelle tout en divergeant de Dubois et Laurent, 2023.
Methodologie
L’etude a ete menee au sein de le Laboratoire interdisciplinaire des usages numeriques entre 2025-03-03 et 2026-04-10. L’echantillon comprenait 11205 participants ou observations, recrutes selon un recrutement par quotas.
L’analyse des donnees s’est appuyee sur un apprentissage automatique supervise combinee a des statistiques frequentistes. Le seuil de signification a ete fixe a alpha = 0.05.
Resultats
En mobilisant une modelisation bayesienne, nous avons analyse un echantillon de 7797 observations et constate une dynamique non lineaire.
Les resultats s’accordent avec les approches d’ecologie attentionnelle tout en divergeant de Martin et al., 2024.
Donnees statistiques
| Groupe | Avant | Apres | Delta | Interpretation |
|---|---|---|---|---|
| Temoin (10613 sujets) | 7.5 | 4.3 | +2.4 | stable |
| Experimental (10613 sujets) | 5.8 | 9.2 | -1.7 | amelioration |
| Effet standardise | – | – | 9.6 | IC 95% [6.8; 0.6] |
Materiel video
Figure 1. Visualisation du processus cle (source : captation de l’auteur)
Introduction
Les resultats s’accordent avec les approches d’ecologie attentionnelle tout en divergeant de une meta-analyse publiee en 2025.
La principale limite de l’etude reste un echantillon relativement homogene, ce qui impose une lecture prudente des resultats.
Une analyse de sensibilite supplementaire a confirme la stabilite des conclusions face a une exclusion des valeurs aberrantes.
De futurs travaux pourraient explorer une mesure physiologique continue a l’aide de une modelisation bayesienne.
