L'estimation kinesthésique des distances : études comportementales et analyse probabiliste
Résumé
The purpose of the present paper is to review studies examining the estimation of distances on the basis of kinesthetic cues. In this kind of task, blindfolded participant explores a path (target distance) with one arm-hand system and reproduces later its distance with the same arm-hand system. The analysis of data shows the estimations depend on three types of factor : 1) the geometrical cues ; 2) the force cues ; and 3) the cognitive factors. Moreover, the analysis about the different variables used by researchers to measure the performance shows that the different types of errors - constant, absolute and variable errors- have been processed either conjointly or independently. By casting these error measures in the probabilistic modeling framework, we show that none of these is inherently more adequate than the others; they differ in the underlying, implicit hypotheses they assume. Discussing the relevance of these error measures thus amounts to discussing the validity of these hypotheses, which fortunately, could be assessed experimentally.
Cette revue critique concerne les processus psychologiques par lesquels nous estimons des distances en utilisant les indices kinesthésiques en l'absence d'informations visuelles. Le paradigme expérimental utilisé par les chercheurs consiste à demander à des sujets (sous occlusion visuelle momentanée) d'explorer avec le système bras-main une distance cible et puis de la reproduire avec la même main. L'analyse des données de la littérature scientifique montre que l'estimation kinesthésique des distances dépend de trois types de facteurs : 1) les indices géométriques, 2) les indices de force et 3) les facteurs cognitifs. De plus, l'analyse des mesures utilisées par les chercheurs pour quantifier cette estimation révèle que les différents types de mesure -l'erreur constante, l'erreur variable et l'erreur absolue- sont traités soit conjointement soit indépendamment. En replaçant ces mesures dans le cadre d'une analyse probabiliste, il apparaît qu'aucune de ces dernières n'est intrinsèquement meilleure que les autres. En réalité, elles font des hypothèses implicites différentes. Discuter de la pertinence de ces mesures d'erreurs revient donc à discuter de la validité de ces hypothèses sous-jacentes, ce qui, heureusement, peut être examiné expérimentalement.
Origine | Fichiers produits par l'(les) auteur(s) |
---|