T ABLEAU 10: V ITESSE DE SAISIE DE TEXTE , NOMBRE D ' ERREURS , VITESSE DE SELECTION ET TAUX D ' UTILISATION DE LA PREDICTION ( PERSONNES VALIDES )

Conditions Sans Prédiction Prédiction avec 3

mots Prédiction avec 6 mots Prédiction avec 8 mots Vitesse de saisie de texte (caractères par minute) 136 (43) 92,4 (32) 89,3 (32) 88 (31) Nombre d’erreurs 35,5 (16) 23 (10) 22,5 (12) 21,9 (10) Vitesse de sélection 143,4 (46) 101,2 (33) 98,4 (33) 96,8 (32) Taux d’utilisation de la prédiction N/A 41,5 (17) 41,6 (17) 44 (18,8)

Moyenne (Ecart-type). N/A : Non Applicable

L’ANOVA à mesure répétée montre un effet significatif de la condition sur la vitesse de saisie de texte (F(4,21)=55,9 ; P<0,001). Le Test T de Student montre une différence significative entre la condition « sans prédiction » et les conditions respectivement avec 3 mots (P<0,001), 6 mots (P<0,001) et 8 mots (P<0,001). L’ANOVA à mesure répétée montre un effet significatif de la condition sur le nombre d’erreurs (F(4,21)=35,6 ; P<0,001). Le Test T de Student montre une différence significative entre la condition « sans prédiction » et les conditions respectivement avec 3 mots (P<0,001), 6 mots (P<0,001) et 8 mots (P<0,001). L’ANOVA à mesure répétée montre un effet significatif de la condition sur la vitesse de sélection (F(4,21)=35,6 ; P<0,001). Le Test T de Student montre une différence significative entre la condition « sans prédiction » et les conditions respectivement avec 3 mots (P<0,001), 6 mots (P<0,001) et 8 mots (P<0,001). Concernant le taux d’utilisation de la prédiction, l’ANOVA à mesure répétée ne montre pas d’effet significatif de la condition sur le taux d’utilisation de la prédiction.

146

Concernant les mesures subjectives, l’ANOVA à mesure répétée montre un effet significatif de la condition sur la fatigue (F(4,21)=3,04 ; P=0,03). Le Test T de Student montre une différence significative entre la condition « sans prédiction » et la condition avec 3 mots (P=0,04), avec la condition avec 6 mots (P=0,04). L’ANOVA à mesures répétées montre un effet significatif de la condition sur la charge attentionnelle (F(3,22)=38,6 ; P<0,001). Le test T de Student montre une différence significative entre la condition «sans prédiction » et les conditions respectivement avec 3 mots (P<0,001), 6 mots (P<0,001) et 8 mots (P<0,001). De plus est montrée une différence significative entre la condition avec 8 mots et respectivement avec 3 mots (P=0,001) et 6 mots (P=0,02).

L’ANOVA à mesures répétées montre un effet significatif de la condition sur la sensation de rapidité (F(3,22)=18,2 ; P<0,001). Le test T de Student montre une différence significative entre la condition «sans prédiction » et les conditions respectivement avec 3 mots (P<0,001), 6 mots (P<0,001) et 8 mots (P<0,001). L’ANOVA à mesures répétées ne montre pas d’effet significatif de la condition sur le niveau de satisfaction des personnes.

147

IV. 4. Synthèse

L’effet du nombre de mots affichés dans la liste de prédiction de mots sur la vitesse de saisie de texte diffère en fonction des deux groupes de tétraplégie (haute et basse).

Pour les personnes tétraplégiques hautes, nous ne retrouvons ni d’amélioration ni de dégradation de la

vitesse de saisie de texte, quel que soit le nombre de mots affichés.

En revanche, pour le groupe de personnes tétraplégiques basses, une dégradation de la vitesse de saisie de texte est effective avec le logiciel de prédiction de mots, quel que soit le nombre de mots affichés.

Cependant, nous noterons que les personnes tétraplégiques basses se sentent plus rapides avec un affichage à 3 mots alors que les personnes tétraplégiques hautes ont une satisfaction plus élevée avec un affichage à 8 mots.

Plus qu’une influence du nombre de mots affichés sur la vitesse de saisie de texte, il s’agit plus d’un confort d’utilisation pour les personnes tétraplégiques.

Concernant les personnes valides, nous retrouvons des résultats un peu différents de la population tétraplégique. Les résultats concernant la vitesse de saisie de texte s’approchent du groupe de personnes tétraplégiques basses. L’utilisation du logiciel de prédiction de mots, quel que soit le nombre de mots affichés dégrade la vitesse de saisie de texte. Par contre, nous voyons un bénéfice secondaire à savoir la réduction du nombre d’erreurs grâce à l’usage du logiciel de prédiction de mots. Par ailleurs, nous noterons que le nombre de mots affichés n’a pas d’influence sur ce nombre d’erreurs.

De plus, c’est surtout au niveau des données subjectives que le comportement des personnes valides est différent des personnes tétraplégiques. Pour les personnes valides, nous retrouvons une augmentation de la fatigue et une diminution de la sensation de rapidité lors de l’utilisation de la prédiction de mots. Enfin, une augmentation de la charge attentionnelle est soulignée avec le logiciel de prédiction de mots et majorée avec un affichage à 8 mots. En conclusion, aucun bénéfice subjectif du logiciel de prédiction de mots n’est mis en avant par les personnes valides contrairement aux personnes tétraplégiques ou un certain confort est souligné.

Ces résultats confortent ceux de l’étude 1 indiquant une fois encore que les résultats obtenus chez les personnes tétraplégiques diffèrent de ceux obtenus chez les personnes valides et de manière encore plus marquée chez les personnes tétraplégiques hauts.

148

V.

ETUDE 5 :

ETUDE DE L’INFLUENCE DU

PARAMETRAGE « FREQUENCE D’UTILISATION

DES MOTS » SUR LA VITESSE DE SAISIE DE

TEXTE.

V. 1. Présentation

Les logiciels de prédiction de mots s’appuient sur les premières lettres que l’utilisateur saisit afin de pouvoir proposer une liste de mots prédits. Néanmoins, certaines prédictions avancées y associent les mots précédents dans la phrase. Ces prédictions augmentent d’un point de vue théorique la pertinence des mots prédits. De plus, ces logiciels offrent plusieurs fonctionnalités pouvant être paramétrées par les utilisateurs. Parmi celles-ci, nous pouvons citer la possibilité du logiciel d’apprendre des mots nouveaux et de présenter les mots prédits en fonction de la fréquence d’utilisation dans la langue française tout en s’adaptant au vocabulaire de l’utilisateur. Néanmoins, ce paramétrage n’est pas disponible dans tous les logiciels de prédiction français et l’activation de ce réglage n’est pas forcément réalisée par défaut. De plus, cette fonctionnalité a été jugée très importante par les professionnels lors de notre étude 3. Or, dans la littérature, à notre connaissance, aucune étude n’a étudié l’influence de ce paramétrage sur la vitesse de saisie de texte. L’objectif de l’étude 5 était d’y remédier.

149

V. 2. L’étude

Préconisations et paramétrages des logiciels de prédiction de mots par les professionnels pour les personnes tétraplégiques : une étude prospective et observationnelle.

The effect of word prediction settings (frequency of use) on text input speed in persons with cervical injury: a prospective study

Samuel Pouplin, Nicolas Roche, Jean-Yves Antoine, Isabelle Vaugier, Marjorie Figère, Sandra Pottier, Djamel Bensmail.

Article soumis dans Disability and Rehabilitation

150

AUTHORS

Samuel POUPLIN, OT, PhD Student1-4 Nicolas ROCHE, MD, PhD3-5

Jean-Yves ANTOINE6,

Isabelle VAUGIER, Biostatistician4 Sandra POTTIER, Project Manager4 Marjorie FIGERE, ARC4

Djamel BENSMAIL, MD, PhD1-4

1

New Technologies Plate-Form, AP-HP, Raymond Poincaré Teaching Hospital, Garches, France. 2

Physical Medicine and Rehabilitation Department, AP-HP, Raymond Poincaré Teaching Hospital, Garches, France.

3

Inserm Unit 1179, Team 3: Technologies and Innovative Therapies Applied to Neuromuscular diseases, University of Versailles St- Quentin-en-Yvelines, France.

4

Clinical Innovations Center 1429, AP-HP, Raymond Poincaré Teaching Hospital, Garches, France. 5

Physiology–Functional Testing Ward, AP-HP, Raymond Poincaré Teaching Hospital, Garches, France 6

University of François Rabelais of Tours, Tours, France

CONFLICT OF INTEREST STATEMENT

None of the authors have any declaration of interest to report regarding this study.

ACKNOWLEDGMENTS

We sincerely thank all the participants of this study.

151

To determine whether activation of the frequency of use and automatic learning parameters of word prediction software has an impact on text input speed.

Design

A prospective study. Subjects

Forty-five participants with cervical spinal cord injury between C4 and C8 Asia A or B accepted to participate to this study.

Methods

A single evaluation session was carried out for each participant. Text input speed was evaluated during 3 copying tasks:

-without word prediction software (WITHOUT condition)

-with automatic learning of words and frequency of use deactivated (NOT_ACTIV condition) -with automatic learning of words and frequency of use activated (ACTIV condition)

Results

Text input speed was significantly higher in the WITHOUT than the NOT_ACTIV (p<0.001) or ACTIV conditions (p=0.02) for participants with low lesions. Text input speed was significantly higher in the ACTIV than in the NOT_ACTIV (p=0.002) or WITHOUT (p<0.001) conditions for participants with high lesions. Conclusion

Use of word prediction software with activation of frequency of use and automatic learning increased text input speed in participants with high-level tetraplegia. For participants with low-level tetraplegia, use of word prediction software with frequency of use and automatic learning activated only decreased the number of errors.