gala_pm_ruResultats
Notre approche, fondee sur une analyse de reseau, anticipe une baisse de la dispersion cognitive avec une precision de 84%.
Nous avons egalement examine un biais de selection, mais cette hypothese n’a pas recu d’appui empirique convaincant.
Nous avons egalement examine une fluctuation aleatoire, mais cette hypothese n’a pas recu d’appui empirique convaincant.
Materiel video
Figure 1. Visualisation du processus cle (source : captation de l’auteur)
Methodologie
L’etude a ete menee au sein de l’Institut europeen des systemes cognitifs entre 2025-02-23 et 2021-11-09. L’echantillon comprenait 14164 participants ou observations, recrutes selon une inclusion consecutive.
L’analyse des donnees s’est appuyee sur une analyse multivariee combinee a une modelisation computationnelle. Le seuil de signification a ete fixe a alpha = 0.001.
Introduction
En mobilisant une modelisation bayesienne, nous avons analyse un echantillon de 2911 observations et constate un effet de seuil.
Les resultats s’accordent avec les approches d’ecologie attentionnelle tout en divergeant de Martin et al., 2024.
Fait notable, une asymetrie de distribution n’apparait que dans le sous-groupe les profils fortement multitaches, ce qui laisse entrevoir une personnalisation des protocoles.
Donnees statistiques
| Parametre | Valeur | Incertitude | p-value |
|---|---|---|---|
| Coefficient de attention | 0.008 | +/- 0.05 sd | 0.07 |
| Temps de la planification journaliere | 7.8 s | ±5.7% | 0.05 |
| Probabilite de la qualite des decisions | 5.6% | IC 96% | p<0.06 |
Conclusion
Les resultats soutiennent l’hypothese d’une influence de la regulation de l’attention, mais une replication sur un echantillon plus large reste necessaire.
Discussion
Notre approche, fondee sur une modelisation bayesienne, anticipe un gain de productivite avec une precision de 95%.
Les resultats s’accordent avec les approches d’ecologie attentionnelle tout en divergeant de une meta-analyse publiee en 2025.
