Suite aux analyses descriptives effectuées, nous allons reprendre et détailler les indices d’intérêt qui permettront de répondre à nos différentes hypothèses. Dans le but de déterminer s’il existe un effet d’âge dans la mise à jour, l’attention et la VdT dans notre échantillon, nous avons effectué plusieurs analyses. Afin de voir si l’âge, en mois, était un prédicteur de la mise à jour, de l’attention et de la VdT, nous avons effectué des corrélations puis des régressions linéaires simples [RLS]. Nous avons également procédé à des analyses de variances ainsi que des contrastes, afin de mettre en évidence des différences de moyennes entre les trois groupes d’âge et de voir de quelle manière l’évolution des scores se déroulait. De plus, nous nous sommes intéressés à l’impact de l’âge (en mois), de l’attention et de la VdT sur les capacités de mise à jour. De manière à voir laquelle de ces variables prédit le mieux les scores à la Ferme, nous avons tout d’abord mené des analyses de RLS, puis des régressions multiples complémentaires [RLM].
1. Hypothèse 1 : effet de l’âge sur la capacité de mise à jour
Pour tester notre première hypothèse postulant qu’il existe une augmentation de la mise à jour avec l’âge, nous avons tout d’abord procédé à une analyse de corrélation afin de voir la relation entre ces deux variables ainsi qu’à une RLS permettant d’avoir une information sur le sens de la relation. Pour ce faire, nous avons pris l’âge en mois et non selon les trois groupes de 4, 5 et 6 ans. A la suite de ces analyses, nous avons effectué une analyse de variance et de contrastes afin de voir s’il y a une évolution des scores au travers des trois groupes d’âge et de quelle manière celle-ci s’observe.
Les différentes relations entre les variables sont présentées dans le tableau 8. Ce dernier met en évidence une corrélation positive significative entre les âges en mois et les scores de mise à jour (R = 0.50, p<0.01), soit que plus les scores augmentent, plus l’âge – en mois – augmente. Le tableau 5 de la section descriptive montrait également cette tendance entre les groupes d’âge et les scores (M4ans = 16.43, M5ans = 18.90, M6ans= 21.05). En s’intéressant à la RLS, nous avons pu mettre en évidence que l’âge, en mois, prédit de manière significative les scores de mise à jour (p<0.01). De plus, elle permet également de voir une taille d’effet égale à 25% (cf. tableau 9). L’analyse des résidus est contrôlée et montre une normalité dans la distribution ainsi qu’une absence de structure des résidus (cf. annexe 8).
Tableau 8 : corrélations entre les différentes variables d’intérêt Mise à jour Corrélation de Pearson
Sig. (bilatérale)
**La corrélation est significative au niveau 0.01 (bilatéral).
*La corrélation est significative au niveau 0.05 (bilatéral).
Tableau 9: RLS : l’âge prédit les capacités de mise à jour
R = 0.500 ; R2 = 0.250 ; R2 ajusté = 0.237 N = 63
Beta B Erreur standard de B t (61) Sig.
Constante 2.623 3.626 0.723 0.472
Age 0.500 0.248 0.055 4.504 0.000
Il s’agit maintenant de voir de quelle manière les moyennes des scores de mise à jour évoluent selon les trois groupes d’âge. Les différents indices liés à l’analyse de variance sont répertoriés dans le tableau 10. Il semble exister des différences significatives entre les moyennes des scores de mise à jour à la Ferme à travers les trois groupes (p = 0.004).
Tableau 10 : ANOVA sur les moyennes des scores aux tâches entre les groupes
SS Degr. of Freedom MS F p
L’analyse des contrastes donne des informations plus concrètes sur cette différence de moyennes des scores entre les âges (cf. tableau 11). Les indices montrent une tendance dans l’évolution des capacités de mise à jour entre 4 et 5 ans (p=0.066) alors qu’il n’y a pas de distinction significative entre 5 et 6 ans (p=0.111). Ces contrastes montrent donc qu’il y a des différences entre les moyennes des scores plus importantes mais non significatives entre 4 et 5 ans qu’entre 5 et 6 ans.
Pour notre deuxième hypothèse, postulant qu’il existe une augmentation de l’attention avec l’âge ainsi qu’une corrélation positive entre l’attention et la mise à jour, nous avons effectué une analyse de corrélation afin de voir la relation entre ces différentes variables. Puis, pour la première partie de l’hypothèse, nous avons tout d’abord effectué une RLS afin de donner un sens à la relation entre l’âge en mois et le score d’attention et de voir de quelle manière l’âge prédit ces capacités. Des analyses de variance et de contrastes ont ensuite été menées afin de voir s’il y a une évolution de l’attention au travers des âges et de quelle manière celle-ci s’observe. Pour la seconde partie de l’hypothèse, une RLS a été faite pour mettre en évidence l’impact de l’attention sur les scores de mise à jour.
a) Effet de l’âge sur l’attention
Tout d’abord, le tableau 8, ci-dessus, donne les différentes relations entre les variables et met en évidence une corrélation positive significative entre l’âge en mois et le score composite d’attention (r = 0.51, p<0.01), soit que plus les enfants avancent en âge et meilleurs sont leurs scores d’attention. Le tableau 6 de la section descriptive montrait également cette tendance entre les trois âges et les différents scores d’attention. Afin de donner un sens à la relation significative trouvée, une RLS a permis de constater un impact significatif de l’âge sur les scores de mise à jour à la Ferme (p<0.01). Une taille d’effet de 26.2% a également été mise en évidence (cf. tableau 12). L’analyse des résidus est contrôlée et montre une normalité dans la distribution ainsi qu’une absence de structure des résidus (cf. annexe 9).
Tableau 12 : RLS : l’âge prédit les capacités d’attention
Il s’agit maintenant de voir de quelle manière les scores d’attention augmentent entre les trois groupes d’âge. Les indices liés à l’analyse de variance indiquent qu’il existe des différences significatives entre les moyennes des scores d’attention entre les groupes (p <
0.01 ; cf. tableau 10). L’analyse des contrastes donne des informations plus concrètes sur cette différence de moyennes des scores entre les trois âges (cf. tableau 13). L’évolution des scores d’attention en fonction de l’âge est différente entre 4 et 5 ans et entre 5 et 6 ans. Les indices ne montrent aucune distinction significative entre 4 et 5 ans (p= 0.514) alors qu’entre 5 et 6 ans, elle l’est (p<0.01).
Tableau 13 : contrastes des scores d’attention composites entre 4-5 ans et 5-6 ans
Estimation des
b) Effet de l’attention sur les capacités de mise à jour
L’intérêt de cette deuxième partie de l’hypothèse est de voir l’impact de l’attention sur les scores de mise à jour. L’analyse de corrélation (cf. tableau 8) met en évidence une relation positive et significative entre l’attention et la mise à jour, plus les scores d’attention augmentent et plus les scores de mise à jour augmentent (r = 0.45, p<0.01). La RLS a montré que l’attention prédit significativement les capacités de mise à jour (p<0.01) ainsi qu’une taille d’effet de 20.5 % (cf. tableau 14). L’analyse des résidus est contrôlée et montre une normalité dans la distribution ainsi qu’une absence de structure des résidus (cf. Annexe 10).
Tableau 14 : RLS : les capacités attentionnelles prédisent les capacités de mise à jour augmentation de la VdT avec l’âge ainsi qu’une corrélation négative entre la VdT et la mise à jour, nous avons tout d’abord procédé à une analyse de corrélation afin de voir la relation entre ces différentes variables. Puis, pour la première partie de l’hypothèse, nous avons tout d’abord effectué une RLS afin de donner un sens à la relation entre l’âge en mois et le score d’attention et de voir de quelle manière l’âge prédit ces capacités. Des analyses de variance et de contrastes ont ensuite été menées afin de voir s’il y a une évolution de la VdT entre les trois groupes et de quelle manière celle-ci s’observe. Pour la seconde partie de l’hypothèse, une même analyse de régression a été faite pour mettre en évidence la part de variance expliquée par la VdT dans les scores de mise à jour.
a) Effet de l’âge sur la vitesse de traitement
La première partie de l’hypothèse 3 s’intéresse à la relation entre l’âge et la VdT ainsi qu’à l’impact de l’âge sur cette dernière. Le tableau 8 met en évidence une corrélation négative significative entre la VdT et l’âge en mois (R = -0.347, p<0.01), plus les enfants prennent de l’âge et plus le temps pour effectuer la tâche diminue. Le tableau 7 de la section descriptive montrait également cette tendance entre les groupes d’âge et la VdT dans la tâche des Ronds (M4ans= 87.52 ; M5ans = 87 ; M6ans = 60.24). La régression simple permet de constater que l’âge, en mois, prédit significativement les capacités en VdT (p<0.01 ), ainsi que de mettre en évidence une taille d’effet de 12% (cf. tableau 15).L’analyse des résidus est contrôlée et montre une normalité dans la distribution ainsi qu’une absence de structure des résidus (cf. annexe 11).
Tableau 15 : RLS : l’âge prédit les capacités de VdT R = 0.347 ; R2 = 0.120 ; R2 ajusté = 0.106 N = 63
Beta B Erreur standard de B t (61) Sig.
Constante 168.459 31.572 5.336 0.000
Age -0.347 -1.384 0.480 -2.886 0.005
Il s’agit maintenant de voir de quelle manière les scores de VdT augmentent entre les trois tranches d’âge. Les indices liés à l’analyse de variance indiquent qu’il existe des différences significatives entre les moyennes des scores de vitesse entre les groupes (p = 0.22 ; cf. tableau 10). L’analyse des contrastes permet de voir que l’évolution des moyennes des scores en VdT en fonction de l’âge n’est pas égale entre 4 et 5 ans et entre 5 et 6 ans (cf.
tableau 16). Les indices ne montrent aucune différence significative entre 4 et 5 ans (p=
0.0962) alors que l’évolution est significativement distincte entre 5 et 6 ans (p=0.018).
Tableau 16 : contrastes des scores de VdT entre 4-5 ans et 5-6 ans
Estimation des
b) Effet de la vitesse de traitement sur la capacité de mise à jour La deuxième partie de l’hypothèse 3 est de voir l’impact de la VdT sur les scores de mise à jour. L’analyse de corrélation (cf. tableau 8) met en évidence une relation négative et significative entre la VdT et la mise à jour (R = -0.308, p<0.05). Cela implique que moins les enfants prennent de temps dans la tâche de vitesse, plus leurs scores dans la tâche de mise à jour augmentent. De plus, grâce à la régression simple, nous avons pu constater que la VdT prédit de manière significative les scores en mise à jour (p<0.01) ainsi qu’une taille d’effet de 9.5% (cf. tableau 17). L’analyse des résidus est contrôlée et montre une normalité dans la distribution ainsi qu’une absence de structure des résidus (cf. annexe 12).
Tableau 17 : RLS : la VdT prédit les capacités de mise à jour
4. Analyses complémentaires
Des analyses supplémentaires ont été menées en marge des hypothèses afin de spécifier davantage l’impact que les différentes variables – l’âge, l’attention et la VdT – ont sur les performances en mise à jour. Nous avons ainsi effectué différentes régressions linéaires multiples dans lesquelles nous avons successivement ajouté les variables. Les différents coefficients de détermination sont représentés dans le tableau 18 et permettent de voir que le R2 augmente avec l’ajout des variables mais que la VdT n’apporte pas vraiment plus d’informations au modèle. En effet, dans les différentes régressions multiples menées (cf.
annexes 13a à 13d), il est mis en évidence pour chacun de ces modèles, une absence de significativité de ce prédicteur. De plus, il est également remarqué que le modèle tenant compte des trois prédicteurs ensemble apporte peu d’éléments et il s’avère que l’attention et la VdT ne sont pas significatifs (Betaattention= 0.491, p = 0.66 ; BetaVdT= -0.013, p = 0.382. cf. annexe 13d). Il apparaît alors que le meilleur modèle soit celui prenant en compte les prédicteurs
« âge » et « attention », les deux étant significatifs (Betaage= 0.180, p = 0.005 ; Betaattention= 0.543, p = 0.037. cf. annexe 13a). L’analyse des résidus pour chacun de ces modèles a été effectuée et a montré une normalité dans les distributions ainsi qu’une absence de structure des résidus (cf. annexes 13a à 13d).
Tableau 18 : récapitulatif des différents R2 selon les prédicteurs
VIs VD R2 descriptives avaient mis en évidence une baisse des scores égaux à 0 point avec l’avancée en âge ainsi qu’une augmentation des scores égaux à 2 points. Il apparaît alors important de voir de quelle manière l’âge (en mois) influence les scores obtenus. Une RLS a donc été menée entre l’âge et les trois types de points obtenus. Les résultats ont mis en évidence que l’âge a un
impact significatif sur les scores égaux à 0 point et à 2 points (p<0.01), alors que les scores égaux à 1 point ne sont pas influencés significativement par l’âge (cf. tableaux 19, 20, 21).
Tableau 19 : RLS : l’âge prédit les points égaux à 0
R = 0.481 ; R2 = 0.232 ; R2 ajusté = 0.219 N = 63
Beta B Erreur standard de B t (61) Sig.
Constante 9.321 1.693 5.504 0.000
Age -0.481 -0.110 0.026 -4.291 0.000
Tableau 20 : RLS : l’âge prédit les points égaux à 1
R = 0.197 ; R2 = 0.039 ; R2 ajusté = 0.023 N = 63
Beta B Erreur standard de B t (61) Sig.
Constante 2.307 0.843 2.737 0.008
Age -0.197 -0.020 0.013 -1.566 0.122
Tableau 21 : RLS : l’âge prédit les points égaux à 2
R = 0.464 ; R2 = 0.216 ; R2 ajusté = 0.203 N = 63
Beta B Erreur standard de B t (61) Sig.
Constante 0.373 2.097 0.178 0.860
Age 0.464 0.130 0.032 4.094 0.000
IV. DISCUSSION
Il apparaît pertinent de synthétiser ces différents résultats et de les confronter de manière critique à certaines données de la littérature afin de voir s’ils concordent avec les recherches précédentes. Puis nous ressortirons les forces et les faiblesses de cette recherche, pour terminer par quelques observations d’ordre général et les aspects plus spécifiques liés au déroulement de cette recherche.