le modèle doit tenir compte de plusieurs facteurs concernant : les durées de fixation

19
Le modèle doit tenir compte de plusieurs facteurs concernant : les durées de fixation les lieux de fixations autres contraintes spécifiques au système oculomoteur Modélisation du comportement oculomoteur :

Upload: huyen

Post on 21-Jan-2016

25 views

Category:

Documents


0 download

DESCRIPTION

Modélisation du comportement oculomoteur :. Le modèle doit tenir compte de plusieurs facteurs concernant : les durées de fixation les lieux de fixations autres contraintes spécifiques au système oculomoteur. A - Mesure des durées de fixation. DPF = premier passage - PowerPoint PPT Presentation

TRANSCRIPT

Page 1: Le modèle doit tenir compte de plusieurs facteurs concernant :  les durées de fixation

Le modèle doit tenir compte de plusieurs facteurs concernant : les durées de fixation les lieux de fixations autres contraintes spécifiques au système oculomoteur

Modélisation du comportement oculomoteur :Modélisation du comportement oculomoteur :

Page 2: Le modèle doit tenir compte de plusieurs facteurs concernant :  les durées de fixation

A - Mesure des durées de fixationA - Mesure des durées de fixation

DPF = premier passage

durée de regard (gaze duration) = la somme de la première fixation + la suivante

Si le lecteur quitte le mot puis y revient plus tard = régression

DPF = premier passage

durée de regard (gaze duration) = la somme de la première fixation + la suivante

Si le lecteur quitte le mot puis y revient plus tard = régression

Page 3: Le modèle doit tenir compte de plusieurs facteurs concernant :  les durées de fixation

Facteurs linguistiques qui influencent les durées de fixation :Facteurs linguistiques qui influencent les durées de fixation :

la fréquence des mots : chaise/gibet longueur des mots : court/vachement la prédictibilité :

il était une … fois ? … table ?

Page 4: Le modèle doit tenir compte de plusieurs facteurs concernant :  les durées de fixation

Lieu de fixation

Amplitude des saccades

Probabilité de fixation

B - Mesures concernant les lieux de fixationB - Mesures concernant les lieux de fixation

Point de fixation préféré les mots fréquents et prédictibles ne sont pas fixés

Page 5: Le modèle doit tenir compte de plusieurs facteurs concernant :  les durées de fixation

Déroulement des saccades : la question de la latence saccadique (100-150 ms)

C - Contraintes oculomotrices :C - Contraintes oculomotrices :

Page 6: Le modèle doit tenir compte de plusieurs facteurs concernant :  les durées de fixation

Comment rendre compte des effets des facteurs suivants sur les durées de fixations :

La fréquence des mots

La prédictibilité

L’amorçage parafovéal

La latence saccadique

Comment rendre compte des effets des facteurs suivants sur les durées de fixations :

La fréquence des mots

La prédictibilité

L’amorçage parafovéal

La latence saccadique

Une réponse : le modèle EZ-Reader

Reichle, E.D., Pollatsek, A., Fisher, D.L., & Rayner, K. (1998). Toward a model of eye movement control in reading. Psychological Review, 105(1), 125-157.

Une réponse : le modèle EZ-Reader

Reichle, E.D., Pollatsek, A., Fisher, D.L., & Rayner, K. (1998). Toward a model of eye movement control in reading. Psychological Review, 105(1), 125-157.

Page 7: Le modèle doit tenir compte de plusieurs facteurs concernant :  les durées de fixation

EZ Reader : 3 étapes pour l’identification des mots :

1.Analyse visuelle précoce (V), pré-attentive2.2 étapes lexicales (étapes attentives)

1. L1 : « familiarity check » : permet la programmation d’une saccade vers le mot n+1

2. L2 : « completion of lexical access » : déplacement de l’attention vers le mot n+1

EZ Reader : 3 étapes pour l’identification des mots :

1.Analyse visuelle précoce (V), pré-attentive2.2 étapes lexicales (étapes attentives)

1. L1 : « familiarity check » : permet la programmation d’une saccade vers le mot n+1

2. L2 : « completion of lexical access » : déplacement de l’attention vers le mot n+1

• L1 = une estimation selon laquelle le mot a des chances raisonnables d’être identifié, donc on peut engager le processus de déroulement d’une saccade (il y a peu de chances de devoir faire une régression)

• L2 = le mot est identifié. Passons au mot suivant (déplacement du spot attentionnel)

Page 8: Le modèle doit tenir compte de plusieurs facteurs concernant :  les durées de fixation

V : analyse visuelle précoceL1 : test de la familiaritéL2 : accès lexical

Page 9: Le modèle doit tenir compte de plusieurs facteurs concernant :  les durées de fixation
Page 10: Le modèle doit tenir compte de plusieurs facteurs concernant :  les durées de fixation
Page 11: Le modèle doit tenir compte de plusieurs facteurs concernant :  les durées de fixation
Page 12: Le modèle doit tenir compte de plusieurs facteurs concernant :  les durées de fixation
Page 13: Le modèle doit tenir compte de plusieurs facteurs concernant :  les durées de fixation
Page 14: Le modèle doit tenir compte de plusieurs facteurs concernant :  les durées de fixation
Page 15: Le modèle doit tenir compte de plusieurs facteurs concernant :  les durées de fixation
Page 16: Le modèle doit tenir compte de plusieurs facteurs concernant :  les durées de fixation

190

210

230

250

270

290

310

330

350

370

1 2 3 4 5

Frequency Class

Mea

n F

ixat

ion

Dur

atio

n (m

s)

FFDs obs

FFDs pred

SFDs obs

SFDs pred

GDs obs

GDs pred

Le modèle prédit correctement l’effet de la fréquence :

Page 17: Le modèle doit tenir compte de plusieurs facteurs concernant :  les durées de fixation

0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

1 2 3 4 5

Frequency Class

Mea

n F

ixat

ion

Pro

babi

litie

s

PrSingle obs

PrSingle pred

PrRefix obs

PrRefix pred

PrSkip obs

PrSkip pred

De même pour les probabilités de fixation :

Page 18: Le modèle doit tenir compte de plusieurs facteurs concernant :  les durées de fixation

Obs Pred Obs Pred Obs Pred Obs PredLow predictability 22% 25% 226 213 232 212 280 240High predictability 31% 37% 207 209 212 209 235 223Difference 9% 12% 19 4 20 3 45 17

Word Skipping FFDs SFDs GDs

Observed (Obs) and predicted (Pred) precentage of word skipping and mean first-fixation (FFD), single-fixation (SFD), and gaze duration (GD), in milliseconds, for predictable and unpredictable words.

En revanche, la prédictibilité est moins bien prise en compte :

Page 19: Le modèle doit tenir compte de plusieurs facteurs concernant :  les durées de fixation

En conclusion : Le modèle EZ-reader rend bien compte des effets de fréquence Mais perfectible en ce qui concerne la prédictibilité (version modifiée) Bon outil permettant d’explorer les mouvements oculaires en lecture.

Exemple : étude des durées de première fixation (DPF) et des durées de regard (DR) chez des sujets dyslexiques.