Acceso usuarios
The aim of this paper is to discuss the conceptual limitation of variability when simply conceived as stochastic error around the mean and to show that other forms of variability can represent an important informational source to understand human cognition. Recent papers which have studied behavioural fluctuations in time have pointed out the relevance of such modelling, which are proving properties of processes underlying behaviour (Spray & Newell, 1986). Nevertheless, researches focusing on variability remained rare for two reasons : the methodological constraints of variability modelling in time and the lack of knowledge concerning time series analysis tools (Arnau & Bono, 2001). In this methodological paper, we begin by outlining some limitations of the traditional approaches of variability analysis, before examining the rationale of discrete time series analysis and the use of ARIMA models. Then, an illustration of this approach is provided through the presentation of a research on memory. The aim of this research was to model the dynamics of memory processes according to memorisation and recall conditions (Delcor et al, 2003). We demonstrated that analysis of recalls accuracy fluctuations through ARIMA models proffers clues as the nature and properties of processes underlying recalls. Stochastic modelling of successive recalls reveals the time-dependent and deterministic character of memory processes and offers relevant perspective of research.
Après avoir présenté les limites du concept de variabilité lorsqu' il est réduit à l' expression d' erreur autour d' une tendance centrale, nous faisons la démonstration que d' autres formes de variabilité peuvent être une source d' information à la compréhension de la cognition. Les récents travaux qui se centrent sur l' étude des fluctuations des comportements dans le temps montrent la pertinence de ces modélisations (Spray & Newell, 1986). Pourtant, leurs mises en uvre restent rares dans la littérature de par les contraintes méthodologiques qu' impose la modélisation de la variabilité dans le temps et par la confidentialité qui entoure les outils d' analyse en série temporelle (Arnau & Bono, 2001). Aussi, à la suite d' un exposé détaillé des modèles ARIMA et de leur utilisation, nous proposons un exemple d' application qui vise la modélisation dans le temps des processus mnésiques en fonction des conditions de mémorisation et de réactualisation (Delcor et al, 2003). Nous mettons en évidence que l' analyse par les modèles ARIMA des fluctuations des comportements (ici, l' instabilité des rappels), loin d' empêcher la généralisation permet la mise en évidence de signatures dynamiques de la cognition, conséquence de sa propre activité (Gilden, 1997).
