Utilisation du temps de latence de réponse comme mesure de performance à des tâches de raisonnement inductif

(1)

KATHLEEN GIGUÈRE

Μ¿■

ÖL

UTILISATION DU TEMPS DE LATENCE DE RÉPONSE COMME MESURE DE PERFORMANCE À DES TÂCHES DE RAISONNEMENT INDUCTIF

Mémoire présenté

à la Faculté des études supérieures de !’Université Laval

pour l’obtention du grade de maître en psychologie (M.Ps.)

École de psychologie Facultédessciencessociales

Université Laval

MARS 2001

(2)

RÉSUMÉ

La présente étude vise à documenter !’utilisation du temps de latence de réponse dans l’évaluation de la performance à des tâches de raisonnement inductif. Huit tâches de Classifications, Sériations et Analogies tirées des logiciels d’entraînement cognitif

RÉÉDUC ainsi que l’épreuve Otis-Lennon sont administrées à 71 élèves de secondaire 1

à 3. Les résultats justifient la nécessité de tenir compte du pourcentage de réussite (PR) pour !’utilisation du temps de latence de réponse (TLR). Un score de performance (SP) est constitué à partir du PR et du TLR. Les relations entre le SP et les résultats au Otis-

Lennon ne different pas significativement des relations PR et Otis-Lennon. Les résultats

obtenus ne permettent pas de conclure à la supériorité d’une mesure de performance par rapport à une autre pour !’échantillon étudié.

(3)

Voici enfin venir la fin de ce long parcours. Avec ce mémoire, je termine cinq années d’études en psychologie, discipline que je trouve toujours de plus en plus passionnante.

La réalisation de mon rêve de devenir psychologue est à la portée de mes doigts. Je n’aurais pu réaliser ce rêve sans le soutien constant de mes parents et de mon

amoureux. Je les remercie de tout cœur.

Je tiens à remercier les professeurs qui, depuis le début de mon baccalauréat en psychologie, ont su me communiquer leur passion de cette science si vaste et riche. Tout particulièrement M. James Everett pour sa grande ouverture et son désir de connaître.

Je remercie également mes camarades de classe fidèles, dont Patricia-Maude, Caroline, Alexandre et plus récemment Stéphanie, Nancy et Madeleine. Ils ont su partager avec moi les moments les plus heureux comme les plus difficiles.

Enfin, la personne que je tiens à remercier par dessus tout est mon directeur de recherche, Michel Loranger. Depuis la réalisation d’une recherche dirigée sous sa supervision, Michel a constamment sollicité ma collaboration pour des projets à l’intérieur de son laboratoire. J’ai toujours senti qu’il croyait en moi et c’est en grande partie ce qui me permet de conclure aujourd’hui, avec ce mémoire.

(4)

TABLE DES MATIÈRES

Page

RÉSUMÉ ... ii

AVANT PROPOS ... iii

TABLE DES MATIÈRES ... iv

LISTE DES TABLEAUX ... v

INTRODUCTION GÉNÉRALE ... 1

Contexte théorique et exposé du problème ... 2

Méthodologie ... 11

Résultats ... 14

Discussion ... 18

CONCLUSION GÉNÉRALE ... 22

RÉFÉRENCES ... 23

ANNEXE A : Processus impliqués dans la résolution d’analogies, de sériations et de classifications ... 35

ANNEXE B : Exemples d’items pour chacune des 8 tâches tirées d tRÉÉDUC ... 37

ANNEXE C : Formulaires de consentement de l’élève ... 42

(5)

Page

Tableau 1 : Données descriptives pour les tâches Sériations, Analogies,

Classifications et à l’épreuve Otis-Lennon ... 29 Tableau 2 : Relations linéaires, quadratiques et cubique entre le TLR et

le PR pour tous les sous-tests ... 30 Tableau 3 : Données descriptives du score de performance et du temps de

latence de réponse aux items faciles ... 31 Tableau 4 : Corrélations entre les différentes variables pour Sériations et

Analogies (r de Pearson) et pour Classifications (r de Spearman) ... 32 Tableau 5 : Corrélations de Pearson entre le pourcentage de réussite pour

toutes les tâches ... 33 Tableau 6 : Corrélations entre les résultats à l’épreuve Otis-Lennon et les

mesures de performance pour les tâches Sériations et Analogies

(6)

INTRODUCTION GÉNÉRALE

L’utilisation du temps de latence de réponse comme mesure de performance fait de plus en plus sa marque dans l’évaluation de l’habileté intellectuelle et des aptitudes. L’informatisation d’instruments psychométriques rend la tâche d’autant plus accessible qu’il est possible d’obtenir des temps de latence de réponse (TLR) très précis.

La présente étude vise à explorer les possibilités d’utilisation du TLR dans les tâches Classifications, Sériations et Analogies (tâches de raisonnement inductif) tirées des logiciels d’entraînement cognitif RÉÉDUC(Pépin & Loranger, 1997).

Jusqu’à présent, les études sur les tâches de raisonnement inductif ont été réalisées principalement dans un contexte de compréhension des processus impliqués et des

relations entre les variables de précision et de vitesse d’exécution. Le TLR et le

pourcentage de réussite (PR) ont servi de mesure de performance mais toujours de façon indépendante. Or, l’étude de Pachella (1974) suggèrent de tenir compte du PR pour !’utilisation du TLR comme variable.

La présente étude propose deux solutions pour utiliser le TLR tout en tenant compte des données recueillies lors des études précédentes. La première consiste à combiner PR et TLR en un score de performance. La seconde consiste à n’utiliser que le TLR aux items faciles (dont le taux de réussite est homogène).

La première partie de ce travail présente le cadre théorique. La seconde partie fait état de la méthodologie utilisée. Les résultats sont présentés dans la troisième partie. Enfin, une discussion est amorcée dans la quatrième partie de ce travail.

(7)

tâches de raisonnement inductif.

Chaque jour de notre vie, nous entrons en contact avec des événements nouveaux. Pour qu’ils prennent un sens, nous devons encoder les caractéristiques spécifiques de ces événements et en dégager des constats, des postulats, des règles. Nous pouvons, par le fait même, les relier au savoir que nous possédons déjà. Ce faisant, nous effectuons une forme de raisonnement inductif.

Le raisonnement inductif consiste à identifier la règle qui sous-tend un ensemble d’éléments. L’apprentissage lui-même s’effectue en partie grâce au raisonnement inductif. En effet, !’acquisition de concepts, essentiel à la connaissance de base, consiste à analyser les ressemblances et les différences entre des expériences spécifiques, à en extraire les caractéristiques générales, à appliquer ces généralisations à de nouvelles expériences, à les raffiner et à les modifier (Pellegrino, 1985). Les recherches en psychologie cognitive suggèrent que le raisonnement inductif sous-tend non seulement !’acquisition de concepts (Simon et Lea, 1974), mais également la compréhension en lecture (Greeno, 1978) et la capacité d’apprendre à partir d’exemples (apprentissage par analogies) (Norman, Gentner & Stevens, 1976).

Les tâches de raisonnement inductif se retrouvent dans de nombreux tests

d’intelligence et d’aptitudes dont le Cognitive Abilities Test (CAT ; Thorndike et Hagen, 1971), le Primary Mental Abilities test (PMA ; Thurstone & Thurstone, 1941) et le Test

d'Aptitudes Informatisé (TAI ; Pépin & Loranger, 1994). Dès 1923, Spearman avait

estimé que ces tâches constituent une mesure de « g » ou facteur général d’intelligence. Aujourd’hui, il est largement reconnu que ces tâches fournissent une mesure de l’habileté scolaire générale. Des études de facteur ont identifié le raisonnement inductif comme une composante centrale des tests d’habileté scolaire (Adkins & Lyerly, 1952 ; Cattell, 1971 ; French, 1951 ; Guilford, 1967).

(8)

Temps de latence de réponse : mesure de performance 3

Les processus impliqués dans la résolution de problèmes de raisonnement inductif Les tâches de raisonnement inductif regroupent les classifications, les sériations, les analogies et les matrices. Les problèmes de classification consistent typiquement à trouver ce qui est commun à un ensemble d’éléments présentés et à compléter cet ensemble. Dans une sériation, le sujet doit déterminer l’élément qui complète une suite logique. Les analogies se présentent sous la forme A est à B ce que C est à D, où D est le terme que le sujet doit découvrir. Quant aux matrices, le sujet doit à la fois tenir compte des transformations horizontales et diagonales pour arriver à la solution (le lecteur peut se référer aux Matrices de Raven, (Raven, 1938) pour des exemples).

La littérature propose plusieurs modèles explicatifs pour la résolution de

problèmes de raisonnement inductif. Pellegrino (1985) en présente une synthèse, inspirée des travaux de Kotovsky et Simon (1973), Pellegrino et Glaser (1982), Simon et

Kotovsky (1963), Spearman (1923) Sternberg (1977a, 1977b) et Whitely (1977). Dans son modèle, les processus mentaux se répartissent en 3 classes : les processus

d’encodage, la comparaison des attributs et l’évaluation. Un résumé des processus impliqués dans la résolution d’analogies, de classifications et de sériations, inspiré de Pellegrino (1985) est présenté à l’Annexe A.

Pour résoudre un problème de raisonnement inductif, le sujet doit d’abord se former une représentation des stimuli alphanumériques, verbaux ou figuratifs par un processus d’encodage. Suite à l’encodage, le sujet met en branle les processus de comparaison des attributs (inférence). Ceux-ci impliquent l’analyse systématique des liens entre les termes encodés. Ainsi, le sujet infère les relations A-B et A-C dans une analogie. Dans les classifications, le processus d’inférence consiste typiquement à rechercher une catégorie supérieure incluant tous les termes ou l’une de leurs propriétés

communes. Dans les sériations figuratives, l’inférence consiste à analyser les

transformations ou changements qui apparaissent dans les différentes figures. Dans les sériations de lettres et de nombres, la découverte de relation séquentielle et mathématique entre les termes constitue l’inférence. Les processus d’inférence sont nécessaires mais non suffisants pour résoudre le problème. La solution dépend également de la capacité du

(9)

sujet à évaluer la consistance et à comparer les différentes relations. Enfin, les deux derniers processus requis pour la résolution de problèmes de raisonnement inductif sont la décision et la réponse.

Les mesures de performance

Dans l’étude du traitement de !’information, la plupart des chercheurs ont adopté soit la vitesse, soit la précision comme mesure de performance. Sternberg (1985)

explique que cela dépend du niveau d’analyse souhaité pour la recherche. En général, la vitesse d’exécution a été utilisée pour des formes simples de traitement de !’information. Par exemple, Jensen (1980, 1982) et Lunneborg (1977) se sont intéressé au temps de réaction simple à un stimulus (vitesse pure) ainsi qu’à la vitesse requise pour sélectionner une réponse parmi plusieurs stimuli (vitesse de choix). La précision ainsi que les

stratégies sont en général utilisées pour les formes plus complexes de traitement de !’information. Dans les études sur les tâches de raisonnement inductif, la précision et le temps de réponse ont tous deux été utilisés comme mesures de performance. Précisons que la vitesse de traitement de !’information fait référence au temps de latence de réponse (TLR), c’est-à-dire le temps requis par le sujet pour produire une réponse à une tâche donnée (Fortin et Rousseau, 1997). Par opposition, le temps de réaction se veut une mesure du temps nécessaire pour répondre suite à la présentation d’un stimulus. Les expressions temps de réponse (TR) et temps de latence de réponse (TLR) seront utilisées indifféremment dans ce qui suit. La précision quant à elle, s’exprime tant en termes de taux d’erreurs que de pourcentage de réussite (PR).

Interchangeabilité du TR et de la précision

Kahana et Loftus (1999) ont effectué une revue de la littérature dans le domaine de la mémoire humaine pour y trouver des indices sur la distinction ou

!’interchangeabilité de la précision et du TR. En d’autres termes, s’agit-il simplement de deux mesures différentes d’une même réalité ? L’analyse de Kahana et Loftus (1999) fait ressortir à première vue que le TR et la précision seraient deux mesures de la force d’association de !’information stockée en mémoire. Il faut cependant éviter d’affirmer trop vite qu’il s’agit deux représentations des mêmes processus (Murdock et Okada,

(10)

1970). En effet, plusieurs études démontrent qu’il est possible d’affecter différemment le TR et le PR. Par exemple, dans l’étude de Sternberg (1969), le nombre de fois qu’une liste de mots est présentée affecte la précision de la reconnaissance mais non le TR. Sanders, Whitaker, & Cofer (1974), montrent que la manipulation de !’interference associative peut affecter le TR et non la précision. Enfin, Mordkoff & Egeth (1993) concluent qu’il est possible d’affecter différemment la précision et le TR dans une tâche de reconnaissance de lettres.

Des constatations semblables ressortent des études sur le raisonnement inductif. Thorndike et Hagen (1971) ont soumis les tâches du CAT à des enfants de différents groupes d’âge. Le temps alloué permettait à chacun de terminer la tâche. Le nombre de réponses correctes s’est alors avéré primordial pour effectuer une discrimination.

L’inverse est également vrai. Pour certains problèmes présentés dans l’étude de Holzman, Pellegrino, & Glaser (1983), le taux d’erreurs des adultes et des enfants de 11 ans n’est pas différent. Or, le temps de décision s’avère plus long chez les enfants.

Si la vitesse d’exécution et la précision ne sont pas totalement interchangeables, !’utilisation des deux variables séparément ou en combinaison pourrait-elle s’avérer une mesure plus précise de l’habileté? Encore faut-il connaître les liens entre ces variables et savoir de quelle façon le TLR renseigne sur l’habileté. En effet, en ce qui concerne la précision, il est clair que la personne la plus habile est celle qui fournit le plus de bonnes réponses. La question s’avère plus complexe pour le TLR. Est-ce que le sujet le plus rapide est toujours le plus habile? Des pistes de réponses sont fournies par l’étude des relations entre le TLR et la précision ainsi que de leurs relations respectives avec des mesures critères d’habileté.

Relations TLR et précision

Pellegrino (1985) fait remarquer que trois types de relations sont possibles entre le TLR et la précision dans la résolution de problèmes de raisonnement inductif. La

première, « speed-accuracy trade-off (SAT)», est une corrélation positive entre le temps de réponse et la précision. Ainsi, plus le sujet met de temps à répondre, plus son taux de

(11)

réussite augmente. Π est également possible qu’il existe une complète indépendance entre le TR et la précision, soit une corrélation nulle. La troisième possibilité consiste en une relation négative entre le TR et la précision. Un plus grand pourcentage de réussite est associé à un TR plus court.

Les recherches tendent à démontrer le dernier type de relation. Holzman (1979) a effectué une recherche avec des adultes qui devaient résoudre des analogies

géométriques, numériques. Ses résultats indiquent que plus le TLR est court, plus le pourcentage de réussite augmente. Holzman, Pellegrino, & Glaser (1983) ont obtenu des résultats similaires pour la résolution de sériations de nombres. Les auteurs ont calculé des corrélations entre le pourcentage de sujets qui répondent correctement à un item et le TR moyen pour cet item. A titre indicatif, les corrélations sont de -.81 pour les enfants de QI moyen, de - .84 pour les enfants de QI élevé et de -.92 pour les adultes.

Relations TLR et précision vs critère

De façon globale, le PR est corrélé positivement avec les critères d’habileté, habituellement une mesure du quotient intellectuel (Alderton, Goldman & Pellegrino,

1982; Whitely 1980). Pour ce qui est du TLR, sa relation avec le critère n’est pas aussi limpide. De nombreux travaux démontrent une relation négative entre !’intelligence et la vitesse des opérations mentales dans les tâches cognitives élémentaires. Il semble que la force de la relation entre !’intelligence et le temps de réponse décroît avec !’augmentation de la complexité de la tâche (Halkitis & al., 1996 ; Schweizer, 1998). Jensen (1982) assume que !’intelligence est corrélée négativement avec le temps de réaction dans des tâches relativement simples impliquant des temps de réponse moyens de moins de 2 secondes. À partir de ce point, la corrélation entre le temps de réponse et le quotient intellectuel (QI) décroît. Jensen émet l’hypothèse que pour les tâches complexes, d’autres facteurs, tels que les variables de personnalité ou la recherche de stratégies interfèrent avec la mesure précise du traitement de !’information. Il nomme ce phénomène le « test- speed paradox ».

(12)

Vemon,Nador, & Kantor (1985) ont trouvé une forte relation (1=.97) entre la complexité des tâches et le degré avec lequel ces tâches permettent de discriminer entre des groupes de QI différents. Pour ce qui est du seuil de 2 secondes proposé par Jensen, des études subséquentes l’ont remis en question. MacLennan et al. (1988) ont trouvé une corrélation négative entre la vitesse et le QI pour des items d’environ 12 secondes. Neubauer (1990) a subdivisé les items des Matrices de Raven selon le pourcentage de réussite. Il a obtenu une corrélation négative (r = -.44) entre le TLR aux items réussis à plus de 85% et l’intelligence telle que mesurée par les Matrices. Or, le TLR moyen pour ces items « faciles » était de 35 secondes. Lorsqu’il considère tous les items ou les items avec un pourcentage de réussite moyen, Neubauer n’obtient pas de corrélation entre le TLR et le QI. Pour les items plus difficiles, il obtient une corrélation positive (r = .22) mais non significative.

D’autres chercheurs ont effectué une analyse plus fine dans laquelle ils estiment la proportion du temps de réponse requis pour chaque processus (encodage, comparaison d’attributs, réponse) à l’aide d’un modèle mathématique. La complexité des relations entre le TLR et l’habileté intellectuelle apparaît réellement lorsque les résultats des élèves plus habiles sont comparés à ceux des moins habiles. Dans la résolution d’analogies, les sujets qui ont une habileté intellectuelle plus élevée sont plus rapides à l’étape de la comparaison d’attributs et de la réponse (Sternberg, 1977a ; Alderton et al., 1982). Toutefois, ils sont plus lents que les moins habiles lors de l’encodage. L’étude de

Sternberg (1977a) a permis de constater que le temps d’encodage est corrélé positivement avec des mesures critères de raisonnement, alors que la comparaison d’attributs et la réponse sont corrélés négativement avec ces mêmes critères. Quant au TR total, il corréle négativement bien que non significativement avec le critère dans cette étude. Enfin, une autre étude, celle de Schweizer (1998), vient également confirmer que la complexité de la tâche influence la magnitude de la relation TLR et un critère.

Relations complexes ou problème méthodologique?

Les relations entre le TLR et les mesures critères semblent très complexes. Cependant, elles pourraient s’expliquer en partie par un problème dans !’utilisation du

(13)

TLR. Pachella (1974) a effectué une revue de nombreuses études utilisant le TLR et a fait ressortir que les études qui ne considèrent pas la variation dans le taux d’erreurs entre les conditions expérimentales présentent de sérieux problèmes méthodologiques. Corbett et Wickelgren (1978) ont confirmé ses dires. En effet, pour chaque tâche, le sujet a, en quelque sorte, la liberté de décider s’il privilégie la précision ou la vitesse. Par exemple, les sujets A, B et C obtiennent les résultats suivants : A) PR = 80 % , TLR - 2.5 sec ; B) PR = 85 %, TLR = 3 sec ; C) PR = 75 %, TLR = 2 sec. Selon leur TLR, lequel est le plus habile? Et si on tient compte de l’ensemble de leurs résultats? Cet exemple démontre bien qu’il n’est pas si évident de déterminer l’habileté à partir du seul TLR mais également lorsque les deux variables PR et TLR sont considérées. Pachella (1974) fait remarquer que lorsque deux TLR sont comparés, le PR doit être considéré. Ainsi, un temps de réponse plus rapide n’est un signe d’habileté supérieure que s’il s’accompagne d’une précision égale ou supérieure. Les mêmes considérations

s’appliquent lorsqu’il s’agit de comparer la réussite à différents items d’une tâche et que ceux-ci comportent des niveaux de difficultés variés (ici le niveau de difficulté peut être représenté par le PR à chaque item).

De la théorie à la pratique

La présente étude se situe au carrefour de la psychologie cognitive et de la psychométrie, c’est-à-dire qu’elle entend tenir compte des résultats obtenus en psychologie du traitement de T information (aspect théorique) pour les appliquer en psychométrie (aspect pratique). Elle se penche sur !’utilisation de tâches de raisonnement inductif à l’intérieur des logiciels d’entraînement cognitif RÉÉDUC (Pépin et Loranger, 1997). Plus spécifiquement, elle s’attarde à !’utilisation du TLR comme mesure de

performance, en plus du seul pourcentage de réussite. En effet, bien qu’il soit reconnu par le milieu que le TLR s’avère une mesure de performance intéressante, il demeure

quasiment inutilisé. En général, la vitesse d’exécution est contrôlée en limitant le temps alloué pour résoudre un ou plusieurs problèmes (Anastasi, 1988).

(14)

Analyse critique et orientations

Les orientations choisies pour !’utilisation du TLR dans la présente étude trouvent leur fondement dans la littérature déjà mentionnée ainsi que dans les travaux accomplis par le laboratoire de recherche dans le domaine de l’évaluation. Avant de présenter les deux avenues proposées, il demeure important de considérer la présence d’un critère d’arrêt dans les tâches.

Les tâches de RÉÉDUC proposées ici comportent un critère d’arrêt. Celui-ci permet d’interrompre l’exécution d’une tâche lorsque le sujet commet trois erreurs consécutives. Cette mesure a pour but d’éviter de recueillir des réponses données au hasard ou encore d’éviter à un sujet des échecs répétés à une tâche trop ardue. Lorsqu’ils effectuent la tâche, les sujets plus habiles commettent moins d’erreurs et réalisent donc un plus grand nombre de problèmes. Les problèmes étant généralement en ordre de difficulté croissant, les sujets habiles effectuent donc plus de problèmes difficiles

requérant plus de temps. Il en résulte, si l’on compare le TLR d’un sujet plus habile avec celui d’un sujet moins habile, que le sujet plus habile peut avoir un TLR moyen plus élevé. Cela ne signifie pas nécessairement que le TLR est corrélé positivement avec l’habileté. Il peut très bien s’agir d’un artefact causé par le plus grand nombre d’items difficiles (et longs) effectués.

Les résultats des études sur les relations entre le TLR et des mesures critères et tout particulièrement l’analyse de Pachella (1974) suggèrent de tenir compte du PR pour comparer deux TLR. Lorsque le PR est égal, les différences dans le TLR s’avèrent en effet plus faciles à interpréter. Or, les items à l’intérieur d’une tâche d’entraînement cognitif ont la plupart du temps un niveau de difficulté croissant.

Tenant compte de ces données, deux avenues sont proposées pour utiliser le TLR comme mesure de performance dans la présente étude. La première s’applique s’il y a présence de tâches dont plusieurs problèmes sont très faciles, c’est-à-dire réussis par plus de 90% des sujets. Des études ont en effet démontré qu’il est possible d’augmenter le pouvoir discriminant d’une tâche par !’utilisation du TLR lorsque les PR sont très élevés

(15)

(Blanchet, 1998; Lavergne, Pépin & Loranger, 1997; Loranger, Aubé, Fournier, Giguère et Jutras, 1998). Il est à noter que cette méthode tient compte du PR puisqu’elle regroupe des items ayant un PR homogène. La seconde avenue consiste à composer un score de performance (SP) en utilisant le PR et le TLR et se base sur les travaux de Loranger et Pépin (1999).

Objectifs

L’objectif principal de la présente étude consiste à documenter !’utilisation du TLR dans l’évaluation de la performance aux tâches Classifications, Analogies et Sériations tirées des logiciels d’entraînement cognitif RÉÉDUC. Pour ce faire, une exploration des données descriptives sera d’abord effectuée et les questions suivantes seront considérées : 1) les données du TLR et du PR nous renseignent-elles sur

l’importance de tenir compte du PR pour utiliser le TLR ? ; 2) quelles sont les relations entre le pourcentage de réussite, le temps de latence de réponse, le score de performance et le TLR aux items faciles (s’il y a lieu)? ; 3) quelles sont les relations entre les

différentes tâches? ; 4) quelles sont les relations entre les variables et une mesure critère d’habileté scolaire ? et 5) semble-t-il y avoir une mesure de performance parmi celles utilisées plus à même de rendre compte de l’habileté des élèves?

(16)

Méthodologie

Participants

Trente-deux filles et trente-neuf garçons de secondaire 1 à 3 participent à l’étude, pour un total de 71 participants. Les élèves fréquentent des classes régulières de l’école secondaire des Compagnons de Cartier à Sainte-Foy. L’échantillon se compose de 25 élèves de secondaire 1, 24 élèves de secondaire 2 et de 22 élèves de secondaire 3. L’âge moyen est de 174, 94 mois.

Matériel

Les tâches Classifications, Sériations et Analogies sont administrées à l’aide d’ordinateurs prêtés par l’école. Les logiciels requièrent !’utilisation d’un micro- ordinateur de type IBM ou compatible (processeur 80386 ou suivants), d’une carte graphique VGA, d’un écran standard, d’un lecteur de disquette 3 1/2 pouces haute densité,

d’un disque dur avec environ 5 M octets d’espace libre, du logiciel Windows 3.1 ou plus récent et d’une souris.

Instruments de mesure Tâches de RÉÊDUC

Une version expérimentale des logiciels Classifications, Sériations et Analogies de RÉÊDUC (Pépin et Loranger, 1997) a été réalisée pour les besoins de l’étude. Elle se présente sous forme de huit tâches, correspondant aux huit classes des logiciels de

Classifications, Sériations et Analogies. Un exemple d’item pour chaque tâche est présenté à l’Annexe B. Le nombre d’items de chaque tâche se veut représentatif des niveaux de difficulté. Un critère d’arrêt est inséré dans la tâche afin de ne pas affecter la motivation des sujets. Ainsi, après trois erreurs consécutives dans une tâche, le logiciel passe automatiquement à la tâche suivante. De plus, le sujet a un maximum de 2 minutes pour effectuer chaque item. Ce temps écoulé, l’item suivant apparaît à l’écran.

Classifications compte 4 logiciels ou tâches. Dans la tâche Classifications 1 (27 items), des images sont présentées à l’écran. Ces images peuvent être regroupées dans

(17)

une même catégorie. L’élève doit trouver la règle qui relie les images et choisir, parmi 4 choix de réponse, l’image qui fait également partie de la catégorie. Dans la tâche

Classifications 2 (38 items), une seule image est présentée. L’élève doit déterminer à quelle classe appartient cette image, parmi les 4 choix de réponse au bas de l’écran. Dans la tâche Classifications 3 (30 items), trois mots appartenant à une même classe sont écrits à l’écran. L’élève doit sélectionner, parmi les 4 choix de réponse, le mot qui appartient également à cette classe. Classifications 4 compte 48 items. Un mot est écrit à l’écran. L’élève doit déterminer à quelle classe appartient le mot, parmi les quatre catégories proposées.

Sériations se divise en trois tâches. Sériations 1 compte 18 items. Une série de lettres est présentée à l’écran. Les lettres sont disposées suivant une règle. L’élève doit découvrir la règle et déterminer quel terme complète la suite. Il choisit sa réponse parmi les 4 choix proposés. Les tâches Sériations 2 et Sériations 3 fonctionnent selon le même principe. Dans Sériations 2 (20 items),des nombres remplacent les lettres alors que dans Sériations 3 (14 items), ce sont des figures géométriques qui sont proposées. Le nombre de choix de réponse varie dans Sériations 3. Il passe de trois (items 1 à 3), à quatre (items 4 à 8), à cinq (items 9 à 14).

La tâche Analogies 1 est bâtie selon le schéma suivant : soit A est à B ; ce que C est à D. Ici, D est le terme manquant. L’élève doit découvrir le lien existant entre A et B et choisir, parmi les quatre réponses proposées, celle qui correspond au terme D. Ce logiciel compte 26 items.

Epreuve d’habileté mentale Otis-Lennon:

U Épreuve d’habileté mentale Otis-Lennon — Chevrier (Otis, & Lennon, 1978)

(Échelle Intermédiaire) est utilisée pour évaluer les aptitudes scolaires des participants. L’épreuve est de type papier-crayon et se veut une mesure de la « scolaptitude », une forme spéciale d’habileté mentale assurant le succès dans le travail scolaire. Le test est constitué de 80 questions à choix multiple. On y retrouve des problèmes d’arithmétique, des antonymes et synonymes, des proverbes, des questions sur les connaissances

(18)

générales, des inférences logiques ainsi que des analogies. Les participants doivent répondre au plus grand nombre de questions possible à Γintérieur de 40 minutes.

Déroulement

Les élèves sont sélectionnés aléatoirement à Γintérieur des classes régulières ayant accepté de participer à l’étude. Leur consentement ainsi que celui d’un parent sont recueillis (Annexe C et D).

L’expérimentation se déroule dans les locaux de l’école, pendant les heures de classe. Dans une première partie de l’expérimentation, les élèves se rendent en groupe dans le local d’informatique. L’expérimentation est supervisée par 2 assistantes de recherche. Avant de débuter, une expérimentatrice explique aux élèves qu’ils auront 8 tâches de raisonnement à effectuer sur un ordinateur. Elle donne un exemple de classification, d’analogie et de sériation au tableau. Elle poursuit avec les directives suivantes: « Pour chacune des tâches, vous devez lire attentivement les instructions Vous devez réussir deux exemples avant de commencer chaque tâche. Vous pouvez reprendre les exemples autant de fois que nécessaire pour bien comprendre la tâche. Assurez-vous d’avoir bien compris avant de débuter. Lorsque vous aurez commencé, vous ne pourrez revenir en arrière. Essayez de demeurer concentré sur votre travail sans vous préoccuper de vos voisins. Travaillez de votre mieux et essayez de donner vos réponses le plus rapidement possible. »

La deuxième partie de !’expérimentation se déroule en classe. Les consignes du test Otis-Lennon sont lues avec les élèves. L’enseignant ainsi qu’une expérimentatrice sont présents pour assurer la supervision. Les élèves ne peuvent poser de questions pendant l’épreuve. Il remettent leur copie lorsque la période de 40 minutes est écoulée.

(19)

Afin d’avoir un premier aperçu des données, des analyses descriptives ont été conduites. Le Tableau 1 présente les données descriptives du pourcentage de réussite (PR) et du temps de latence de réponse (TLR) pour chaque sous-test. Sont également inclus les résultats à l’épreuve Otis-Lennon. Un examen visuel des données révèle que les PR moyens et médians aux sous-tests de Classifications 1 à 4 sont très élevés, ce qui semble indiquer un plafonnement. De plus, les écart types du PR de Classifications 2 à 4 ainsi que ceux du TLR à Classification 2 et 4 semblent moins élevés que ceux des autres sous-tests. Les TLR moyens et médians aux sous-tests Classifications 1 à 4 semblent moins élevés que ceux des autres sous-tests. Ce fait semble être consistant avec le plus haut pourcentage de réussite observé à ces sous-tests. La vérification du postulat de normalité de distribution a permis de constater que les PR de Classifications 1 à 4 ne se distribuent pas normalement. La suite des analyses portant sur ces sous-tests en tiendront compte.

Insérer tableau 1

La variance importante observée dans les résultats bruts aux sous-tests Sériations et Analogies, pourrait indiquer que le niveau de difficulté des items est varié. Afin d’évaluer s’il importe de tenir compte du niveau de difficulté pour la comparaison des TLR dans la présente étude, des analyses ont été effectuées sur les items. Dans ce type d’analyse, le PR est typiquement corrélé avec le TLR. Le PR joue le rôle d’un indice de difficulté. Ainsi, plus le nombre de sujets à réussir un item est élevé, plus l’item est considéré facile. Toutefois, les résultats obtenus doivent être considérés avec

circonspection puisque cette procédure ne respecte pas le postulat d’indépendance entre les observations. Le Tableau 2 présente les résultats aux analyses d’estimation des fonctions linéaires, cubiques et quadratiques effectuées pour chaque sous-test ainsi que sur l’ensemble des items.

(20)

Il ressort du Tableau 2 que la relation entre le TLR et le PR est négative. Les relations sont en général élevées, (r > -.81) et significatives, sauf pour les sous-tests Classifications 1 à 4. Le type de relation (linéaire, quadratique et cubique) ne semble pas faire de différence importante pour la force de la relation observée, sauf peut-être lorsque tous les sous-tests sont considérés ensemble. Alors, une relation quadratique ou cubique (-.90) semble légèrement supérieure à une relation linéaire (-.84).

Les résultats du Tableau 2 démontrent qu’il s’avère indiqué de tenir compte du niveau de difficulté des items dans la présente étude, pour !’utilisation du TLR. Le calcul d’un score de performance (SP) a donc été effectué. L’élaboration de ce score consiste à octroyer un point pour une bonne réponse et à bonifier d’un point ou d’un demi point supplémentaire lorsque le TLR du sujet se situe dans le premier (+1) ou le second quartile (+.5) de la distribution des TLR à cet item. Cette méthode tient compte du niveau de difficulté car le TLR est toujours comparé à ceux d’un seul item.

De plus, les résultats aux sous-tests Classifications 1 à 4, indiquant un

plafonnement des mesures, rend possible !’utilisation du TLR pur pour les items faciles à ces sous-tests. Six items réussis à plus de 93% ont été sélectionnés pour les tâches

Classifications 1 à 4. Le premier item de chaque tâche est d’emblée éliminé. La moyenne du TLR à ces six items faciles (TLRIF) servira de mesure, suivant la méthode utilisée par Blanchet (1998). Les données descriptives du SP et du TLRIF pour Classifications 1 à 4 sont présentées dans le Tableau 3. Les résultats du SP démontrent que les tâches de Classifications 1 à 4 ont désormais des écart types plus élevées par rapport aux autres tâches que lorsque le PR ou le TLR sont considérés seuls.

Insérer tableau 3

Afin d’obtenir une idée des relations entre les différentes mesures de

performances utilisées, deux analyses corrélationnelles ont été réalisées. Des corrélations de Pearson ont été calculées pour les sous-tests Sériations et Analogies alors que des r de Spearman ont été utilisés pour les Classifications 1 à 4. Par souci de clarté et afin de

(21)

faciliter la comparaison, les données ont été regroupées dans un seul tableau. Les résultats sont présentés dans le Tableau 4. Le TLR moyen a été inclus dans les résultats, malgré la présence d’un critère d’arrêt et les variations du niveau de difficulté des items surtout dans Sériations et Analogies. Le TLR est corrélé positivement avec le SP et le PR pour les sous-tests Sériations et Analogies alors qu’il est corrélé négativement pour les Classifications. Ces résultats font ressortir l’ambiguïté des relations avec le TLR et les autres mesures de performance et appuient !’utilisation d’un score de performance basé sur la comparaison des TLR selon le niveau de difficulté. Pour les analyses suivantes, le TLR moyen à l’ensemble des sous-tests ne sera plus utilisé comme mesure de

performance.

Insérer tableau 4

Les relations significatives entre le PR et le SP semblent indiquer que ce dernier, bien que tenant compte du TLR, demeure fidèle au PR. De même, pour les sous-tests Classifications, où la difficulté des items est plus homogène, la relation entre le SP est les TLR et TLRIF est négative. La relation entre le TLRIF et le SP semble moins élevées que la relation TLR-SP. Les relations entre le TLR et le TLRIF sont significatives mais ne dépassent pas dépassent pas .85 (pour Classifications 1).

Les relations entre le PR et le SP étant élevées, seul le PR a été retenu pour l’analyse des relations entre les tâches. Les données sont présentées dans le Tableau 5. Le r de Pearson a été retenu puisqu’il est plus conservateur que le r de Spearman et ce, malgré la présence de variables ne se distribuant pas normalement. Les résultats démontrent que la plupart des corrélations sont significatives. De façon générale, les tâches Classifications 1 et 2 corrélent moins fortement avec les autres tâches. Les

corrélations les plus élevées sont entre Sériations 2 et 3 ( r = 0,613) et Classifications 3 et 4 (r = 0,614).

(22)

Le Tableau 6 présente les résultats des corrélations de Pearson (pour Sériations et Analogies) et de Spearman (pour Classifications) entre les variables de performance retenues (PR, SP et TLRIF) et les résultats à l’épreuve Otis-Lennon. Les résultats

démontrent que le PR est corrélé significativement avec les résultats au Otis pour tous les sous-tests. Quant au SP, les résultats à Classifications 1 et 2 ne corrélent pas

significativement avec ceux du Otis. La force des corrélations significatives varie de faible à modérée. La variable TLRIF ne démontre pas de relation significative avec les résultats au Otis. Les relations Otis-SP et Otis-PR ne semblent pas différer pour les tâches Sériations et Analogies. Des différences légères peuvent être observées pour les sous- tests Classifications 1 à 4. Cependant, lorsque testées avec la méthode de Fischer, elles ne s’avèrent pas significatives.

(23)

La présente étude vise à documenter !’utilisation du temps de latence de réponse dans l’évaluation de la performance aux tâches Classifications, Analogies et Sériations des logiciels d’entraînement cognitifs RÉÉDUC.

Le premier objectif consiste à déterminer si les relations entre le TLR et le PR justifient de tenir compte du PR lors de !’utilisation du TLR dans la présente étude. Les résultats semblent indiquer que ce soit effectivement le cas. En effet, les résultats montrent des relations linéaires d’item à item significatives entre le TLR et le PR pour l’ensemble des sous-tests sauf pour Classifications 1. Ces résultats corroborent ceux de Holzman (1979), Holzman et al. (1983) qui ont obtenu des corrélations aussi élevées pour des tâches d’analogies et de sériations. Les corrélations plus faibles observées dans les sous-tests Classifications pourraient s’expliquer par le plafonnement des données et par la variance moindre du TLR et du PR pour ces tâches. En effet, moins une variable

comporte de variance, moins elle est susceptible de démontrer de variance commune avec une autre variable. H est à noter que toutes les relations observées sont négatives. Donc, quelque soit la difficulté de la tâche, les sujets qui commettent moins d’erreurs sont également plus rapides.

Fait intéressant, des relations cubiques et quadratiques permettent autant de décrire les liens entre le PR et le TLR. Ces données pourraient peut-être éclairer les résultats obtenus par Neubauer (1990). Dans son étude, la relation entre le critère (score aux Matrices de Raven) et le TLR varie de négative, à nulle et à positive selon le niveau de difficulté, c’est à dire selon la portion de la distribution observée. Les relations entre les variables discutées dans le second objectif permettront de voir plus clair dans cette question.

Relations entre les mesures de performance

Le second objectif consiste à examiner les relations entre le PR, le TLR, le SP et le TLRIF. Il ressort des résultats que le TLR et le PR corrélent positivement pour les

(24)

Sériations et Analogies. Ces résultats peuvent s’expliquer par la présence de critère d’arrêt dans la tâche, amenant les élèves plus habiles à réaliser plus d’items difficiles et plus longs. De plus, selon la tâche, la relation entre le TLR et le PR s’avère soit positive, négative ou nulle. Ces corrélations ne tiennent pas compte du niveau de difficulté et démontrent l’ambiguïté souvent mentionnée dans les relations PR et TLR. Encore une fois, les données discréditent !’utilisation du TLR moyen seul puisqu’il semble difficile à interpréter clairement.

Les résultats indiquent également que le score de performance bien que tenant compte du TLR demeure fidèle au PR pour les tâches de Sériations. Pour les

Classifications, c’est davantage le TLR qui s’avère relié avec le SP, sauf pour

Classifications 4. Ces résultats sont consistants avec la méthode de calcul du score de performance. En effet, pour les Classifications, où le PR plafonne et varie moins d’un sujet à l’autre, la contribution du TLR s’avère le principal agent de discrimination de la performance. Pour les Sériations, le PR est déjà varié entre les sujets mais le TLR amène également une part de discrimination.

Relations entre les tâches

L’objectif trois consiste à examiner les relations entre les tâches. Le PR a été choisi comme variable de comparaison. Les corrélations significatives entre les tâches vont de faibles à modérées. En général, les tâches corrélent moins fortement avec

Classifications 1 et 2. Les études de Sternberg (1977b) avaient permis de déterminer que le type et le contenu de la tâche exercent une influence sur les résultats obtenus. Ici, chaque tâche comporte un élément propre, ce qui peut expliquer la taille des corrélations observées. Par ailleurs, les corrélations les plus élevées se retrouvent entre des tâches de même type (Sériations 2 vs 3 et Classifications 3 vs 4).

De manière préliminaire, ces résultats pourraient signifier que les tâches sont suffisamment différentes pour justifier leur existence à toutes. Cependant, il demeure primordial de considérer encore une fois la moindre variance obtenue pour les

(25)

Classifications de même que le nombre réduit d’items retenus sur l’ensemble des items des logiciels d’origine de RÉÉDUC.

Relations entre les mesures de performance et le critère

Le quatrième objectif consiste à examiner les relations entre les mesures de performance retenues (PR, SP et TLRDF) et les résultats à l’Épreuve d’habileté mentale Otis-Lennon, une mesure critère d’habileté scolaire. Les résultats démontrent que le PR corréle significativement avec le critère pour toutes les tâches alors que les résultats du SP ne corrélent pas significativement pour Classifications 1 et 2. Les corrélations significatives de faibles à modérées semblent indiquer une certaine capacité à évaluer la performance. Les corrélations moins élevées observées pour Classifications 1 et 2 pourraient être explicables par la variance moins élevée à ces tâches.

Les résultats indiquent que le TLRIF n’est pas relié significativement avec les résultats au Otis-Lennon. Il est possible que ce fait soit dû à la très grande facilité de la tâche pour la population étudiée. Lorsqu’une tâche s’avère si facile qu’elle peut être effectuée avec automatisme, les TLR peuvent ne pas différer suffisamment entre les sujets pour permettre une discrimination. Il serait intéressant de soumettre les mêmes tâches à des sujets plus jeunes afin de voir si les résultats s’avèrent différents.

Conclusion

La présente étude possède bien entendu ses limites. D’abord, !’échantillon est restreint et seuls trois niveaux scolaires sont représentés. Les résultats ne peuvent être généralisés à l’ensemble de la population. La méthode utilisée pour calculer le SP comporte également ses limites. Bien qu’elle tienne compte à la fois du PR et du TLR, ceux-ci sont combinés de façon très simple et le pointage ajouté pour le TLR est purement arbitraire. Dans une étude subséquente comportant un plus grand nombre de participants, il pourrait s’avérer intéressant d’utiliser un score Z ou un percentile pour déterminer le bonus de temps à accorder, au lieu des quartiles utilisés ici. Ainsi, au lieu d’accorder des bonus de .5 ou 1, ceux-ci pourraient varier de .5 à 1. Une plus grande

(26)

variation dans les bonus de temps alloués donnerait-elle au score de performance un plus grand pouvoir discriminant ?

L’ensemble des résultats recueillis ici ne permet pas d’affirmer qu’une des variables étudiée s’avère une meilleure mesure de performance. En effet, les corrélations du PR et du SP avec la mesure critère ne sont pas significativement différentes.

Par ailleurs, il demeure pertinent de soulever la question suivante : est-il évident qu’une plus grande précision dans la mesure du SP se traduirait nécessairement par des liens significativement plus élevés avec le critère que les liens PR et critère ? Il est possible qu’il n’en soit rien puisque la mesure de performance au Otis-Lennon est un pourcentage de réussite qui ne tient pas compte du TLR pour chaque item.

Il ne s’agit ici que d’un premier pas. De nombreuses autres études seront

nécessaires pour documenter davantage la valeur d’une combinaison de la précision et de la vitesse d’exécution comme mesure de performance.

(27)

Ce mémoire se situe au carrefour de la psychologie cognitive et de la

psychometric. Par le biais de l’étude de tâches de raisonnement inductif, il tente de tirer profit des connaissances théoriques pour faire évoluer l’évaluation de la performance à ces tâches.

Les données recueillies dans cette étude exploratoire confirment l’importance de tenir compte du taux de réussite à une tâche lorsque le temps de latence de réponse est utilisé comme mesure de performance. Le score de performance proposé s’avère une mesure de performance potentiellement intéressante, bien que non supérieure à la seule utilisation du PR dans cette étude. Des études subséquentes seront nécessaires afin de documenter davantage cette variable auprès de différentes populations et d’expérimenter d’autres méthodes pour combiner précision et vitesse d’exécution.

Cette étude ouvre la voie aux tentatives pour améliorer la précision de l’évaluation des performances, ce qui peut constituer un apport très important non seulement pour la psychométrie mais également pour la psychologie cognitive.

(28)

RÉFÉRENCES

Adkins, D. C., & Lyerly, S. B. (1952). Factor analysis of reading tests. Chapell Hill, NC : University of North Carolina Press.

Alderton, D. L., Goldman, S. R., & Pellegrino, J. W. (1982). Multitask assessment of inductive reasoning skill. Paper presented at the annual meeting of American

Educational Research Association, New York.

Anastasi, A. (1988). Psychological testing (6e éd.V New York : Macmillan.

Bates, T., & Stough, C. (1998). Improved reaction time, method, information processing speed and intelligence. Intelligence. 26(1), 53-62.

Blanchet, L. (1998). Comparaison d’une méthode informatisée et d’une méthode traditionnelle d’évaluation intellectuelle auprès d’élèves du secondaire : implications diagnostiques et prédictives. Thèse de doctorat, Université Laval, Québec.

Cattell, R. B. (1971). Abilities : Their structure, groth, and action. Boston : Houghton Mifflin.

Corbett, A., & Wickelgren, W. (1978). Semantic memory retrieval : Analysis by speed-accuracy tradeoff functions. Quaterly Journal of Experimental Psychology. 30. 1- 15.

Fortin & Rousseau. (1997). Psychologie cognitive : Une approche de traitement de !'information (2e éd.). Québec : Bibliothèque nationale du Québec.

French, J. W. (1951). The description of aptitude and achievement tests in terms of rotated factors. Psychometric Monograms. 8.

(29)

Greeno, J. G. (1978). Natures of problem-solving abilities. Dans W. K. Estes (Ed.), Handbook of Learning and Cognitive Processes, (Vol. 5). Hillsdale, NJ : Erlbaum.

Guilford, J. P. (1967). The nature of human intelligence. New York : McGraw-Hill.

Halkitis, P. N. & al. (1996). Estimating testing time : The effects of item characteristics on response latency. Paper presented at the Annual Meeting of the American Educational Research Association, New York.

Holzman, T. G. (1979). A cognitive-developmental analysis of performance on rule induction tests. Dissertation Abstracts International, 40(5). 2405.

Holzman, T. G., Pellegrino, J. W., & Glaser, R. (1983). Cognitive variables in series completion. Journal of Educational Psychology, 7504), 603-618.

Jensen A., R. (1982). Cognitive complexity and the perception of interpersonal logics. Dissertation-Abstracts-Intemational 43(4). 973.

Jensen, A. R. (1980). Bias in mental testing. New York : Free Press.

Kahana, M., & Lohns, G. (1999). Response time versus accuracy in human memory. Dans R. J. Sternberg (Ed.), The nature of cognition (pp. 323-384). Cambridge, MA : MIT Press.

Kotovsky, K., & Simon, H. A. (1973). Empirical tests of a theory of human acquisition of concepts for sequential patterns. Cognitive Psychology, 4. 399-424.

Lavergne, C., Pépin, M., & Loranger, M. (1997). La vitesse d’exécution à des tests d’aptitudes comme indice de rendement intellectuel : stabilité et apport prédictif. Revue canadienne des sciences du comportement, 29. 132-137.

(30)

Loranger, M., Aubé, C., Fournier, P.-M., Giguère, K., & Jutras, A. (1998). Test dejecture informatisé : Étude de validité discriminante. Communication par affiche présentée au XXIe congrès de la Société québécoise pour la recherche en psychologie, Montréal, Québec.

Lunneborg, C. E. (1977). Choice reaction time : What role in ability measurement? Applied Psychological Measurement. 1.309-330.

MacLennan, R. N., Jackson, D. N., & Bellantino, N. (1988). Response latencies and the computerized assessment of intelligence. Personality and individual differences.

9,811-816.

MacLeod, C. M., & Nelson, T. O. (1984). Response latency and response accuracy as measures of memory. Acta Psychologica. 57. 215-235.

Mordkoff, J. T., & Egeth, H.E. (1993). Response time and accuracy revisited : Converging support for the interactive race model. Journal of Experimental Psychology : Human Perception & Performance. 19. 981-991.

Murdock, B. B., & Okada, R. (1970). Interresponse times in single-trial free

recall. Journal of Verbal Learning and Verbal Behavior. 8. 263-267.

Neubauer, A. C. (1990). Speed of information processing in the Hick paradigm and response latencies in a psychometric intelligence test. Personality and Individual Differences. 11(2). 147-152.

Norman, D. A., Centner, D. R., & Stevens, A. L. (1976). Comments on learning schemata and memory. Dans D. Klahr (Ed.), Cognition and instruction (pp. 177-196). Hillsdale, NJ : Erlbaum.

(31)

Otis, A.S. & Lennon, R. T. (1978). Épreuve d’habileté mentale Otis-Lennon - Chevrier (Éd. révisée). Ottawa : Institut de Recherches psychologiques.

Pachella, R. G. (1974). The interpretation of reaction time in information

processing process research. Dans B. Kantowitz (Ed.), Human information processing : Tutorials in performance and cognition (pp. 41 - 82). New York, Halstead Press.

Pellegrino, J. W. (1985). Inductive reasoning ability. Dans R. J. Sternberg, (Ed.), Human abilities : An information processing approach (pp. 195-225). New York : Freeman.

Pellegrino, J. W., et Glaser, R. (1982). Analyzing aptitudes for learning :

Inductive reasoning. Dans R. Glaser (Ed.), Advances in Instructional Psychology, vol. 2 (pp. 269-345). Hillsdale NJ : Erlbaum.

Pépin, M., & Loranger, M. (1994). Test d’Aptitudes Informatisé (TAI) pour adolescents et adultes. Québec : Psychotech.

Pépin, M. & Loranger, M. (1997). RÉÉDUC : Logiciels d’entraînement cognitif. Québec : Psychotech.

Pépin, M. & Loranger, M. (1999). Test d’habiletés en lecture. Québec : Psychotech.

Raven, J. C. (1938). Progressive Matrices .־A perceptual test of intelligence. London : Lewis.

Sanders, A. F., Whitaker, L., & Cofer, C. N. (1974).Evidence for retroactive interference in recognition from reation time. Journal of experimental psychology, 102, 1126-1129.

(32)

Schweizer, K. (1998). Complexitiy of information processing and the speed ability relationship. Journal of General Psychology. 125(11. 89-102.

Simon, H. A. & Lea, G. (1974). Problem solving and rule induction : A unified view. Dans L. W. Gregg (Ed.), Knowledge and cognition 1vol. 211pp. 105 - 127). Hillsdale, NJ : Erlbaum.

Simon, H. A., & Kotovsky, K. (1963). Human acquisition of concepts for sequential patterns. Psychological Review. 70161. 534-546.

Spearman, C. (1923). The Nature of Intelligence and the Principles of Cognition. London : Macmillan.

Sternberg, R. J. (1969).Memory-scanning : Mental processes revealed by reaction-time experiments. American Scientist. 57. 421-457.

Sternberg, R. J. (1977a). Component processes in analogical reasoning. Psychological Review. 84, 353-378.

Sternberg, R. J. (1977b). Intelligence. Information Processing, and Analogical Reasoning : The Comnonential Analysis of Human Abilities. Hillsdale, NJ : Erlbaum.

Sternberg, R. J. (1985). Human abilities : An information processing approach. New York : Freeman.

Thorndike. R. L., & Hagen, E. (1971). Cognitive Abilities Test, form 1. Boston : Houghton Mifflin.

Thurstone, L. L., & Thurstone, T. G. (1941). Factorial studies of intelligence. Chicago : University of Chicago Press.

(33)

Vemon, P. A., Nador, S., & Kantor, L. (1985). Reaction times and speed of information processing : Their relationship to timed and untimed measures of intelligence. Intelligence. 9. 357-374.

Whitely, S. E. (1977). Information processing on intelligence test items : Some response components. Applied Psychology Measurement. 1. 465-476.

Whitely, S. E. (1980). Multicomponent latent trait models for ability tests. Psychometrika. 45. 479-494.

(34)

Tableau 1

Données descriptives pour les tâches Sériations. Analogies. Classifications et l’épreuve

Otis-Lennon

Sériations Analogies Classifications Otis

1 2 3 1 1 2 3 4 Pourcentages de réussite Moyenne 38,85 58,94 59,55 65,96 95,42 98,46 96,73 93,61 54,77 ET 19,67 19,98 22,45 27,63 16,87 2,17 9,17 9,02 16,73 Médiane 39 60 64 77 100 100 100 96 52,50 Minimum 6 10 0 0 0 89 27 44 21,25 Maximum 100 95 100 100 100 100 100 100 91,25 (n) (71) (71) (71) (67) (71) (71) (70) (70) (67)

Temps de latence de réponse (en secondes)

Moyenne 7,03 6,62 7,41 4,82 4,00 2,70 4,11 3,27 ET 3,34 2,23 2,37 1,50 1,93 0,53 1,05 0,81 Médiane 6,12 6,52 7,27 4,56 3,62 2,66 3,75 3,12 Minimum 1,39 1,63 2,11 0,77 1,65 1,78 2,35 2,04 Maximum 16,45 12,26 12,88 8,59 16,42 4,52 8,38 6,44 (n) (71) (71) (70) (66) (70) (70) (70) (70)

(35)

Tableau 2

Estimation des fonctions fri linéaire, quadratique et cubique entre le TLR et le PR pour tous les sous-tests

Sous-test Linéaire Quadratique Cubique (n)

Sériations 1 -0,93*** -0,94*** -0,96*** 18 Sériations 2 -0,88*** -0,89*** -0,89*** 20 Sériations 3 -0,84*** -0,85** -0,85** 14 Analogies -0,81*** -0,82*** -0,86*** 26 Classifications 1 -0,38 -0,43 -0,44 27 Classifications 2 -0,33* -0,34 -0,39 38 Classifications 3 -0,48** -0,49* -0,49* 30 Classifications 4 -0,49*** -0,50** -0,50** 48

Tous les sous-tests -0,84*** -0,90*** -0,90*** 221

Note. Tous les tests sont bilatéraux.

***E< 0,001 *n < 0,05 **£< 0,01

(36)

Tableau 3

Données descriptives du score de performance et du temps de latence de réponse aux items faciles

Sériations Analogies Classifications

1 2 3 1 1 2 3 4 Scores de performance Moyenne 9,52 16,13 11,40 23,47 35,34 51,36 39,76 61,50 ET 4,89 5,71 4,60 10,33 8,84 6,91 6,93 10,66 Médiane 8,50 16,50 12,00 26,50 36,50 50,00 40,50 62,75 Minimum 1,00 4,00 0,00 0,00 0,00 39,50 11,50 24,00 Maximum 25,00 24,00 21,00 38,00 52,00 69,00 52,00 82,50 (S) (71) (71) (71) (67) (71) (70) (70) (70)

Temps de latence de réponse aux items faciles (en secondes)

Moyenne 3,17 2,49 3,61 2,84 ET 1,52 0,66 1,01 0,74 Médiane 2,68 2,37 3,35 2,64 Minimum 1,45 1,24 2,07 1,80 Maximum 9,14 5,20 6,81 4,94 (n) (69) (70) (70) (70)

(37)

Tableau 4

Corrélations entre les différentes variables pour Sériations et Analogies (r de Pearson) et pour Classifications (r de Spearman) 1 Sériations 2 3 Analogies 1 1 Classifications 2 3 4 Scores de performance PR 0,955** 0,934** 0,931** 0,957** 0,277* 0,226 0,240* 0,619** (n) (71) (71) (71) (67) (71) (70) (70) (70) TLR 0,510** 0,554** 0,350** 0,209 -0,923** -0,898** -0,783** -0,772** (n) (71) (71) (70) (66) (70) (70) (70) (70) TLRIF -0,822** -0,630** -0,715** -0,528** (n) (69) (70) (70) (70) Pourcentages de réussite TLR 0,708** 0,778** 0,606** 0,408** -0,141 -0,198 0,047 -0,375** (S) (71) (71) (70) (66) (70) (70) (70) (70) TLRIF -0,064 0,051 0,038 -0,280* (B) (69) (70) (70) (70)

Temps de latence de réponse

TLRIF 0,843** 0,631** 0,683** 0,565**

(n) (69) (70) (70) (70)

Note. Les corrélations sont testées bilatéralement.

(38)

Tableau 5

Corrélations de Pearson entre le pourcentage de réussite pour toutes les tâches

Sériations 2 3 Analogies Classifications 1 1 2 3 4 Sériations 1 0,587** 0,423** 0,419** 0,252* 0,221 0,041 0,261* (n) (71) (71) (67) (71) (70) (70) (70) Sériations 2 0,613** 0,481** 0,248* 0,156 0,092 0,272* (n) (71) (67) (71) (70) (70) (70) Sériations 3 0,485** 0,062 0,268* 0,301* 0,490** (n) (67) (71) (70) (70) (70) Analogies 1 0,195 0,295* 0,404** 0,413** (Ώ) (67) (66) (66) (66) Classifications 1 0,212 0,064 0,068 (n) (70) (70) (70) Classifications 2 0,245* 0,424** (n) (69) (69) Classifications 3 0,614** (n) (70)

Note. Les corrélations sont testées bilatéralement. * P < 0,05 **g <0,01

(39)

Tableau 6

Corrélations entre les résultats à l’épreuve Otis-Lennon et les mesures de performance pour les tâches Sériations et Analogies (r de Pearson) et Classifications (r de Spearman).

Sériations Analogies Classifications

1 2 3 1 1 2 3 4 SP 0,480** 0,622** 0,544** 0,489** -0,039 0,166 0,444** 0,472** (n) (67) (67) (67) (64) (67) (66) (67) (67) PR 0,500** 0,643** 0,568** 0,483** 0,269* 0,286* 0,399** 0,522** (n) (67) (67) (67) (64) (67) (66) (67) (66) TLRIF 0,049 0,000 -0,188 -0,206 (n) (65) (66) (66) (67)

Note. Les corrélations sont testées bilatéralement. * £ < 0,05 **£<0,01

(40)

35 Temps de latence de réponse : mesure de performance

ANNEXE A

Processus impliqués dans la résolution d’analogies, de sériations et de classifications, inspiré de Pellegrino (19851

(41)

Étapes Analogies Sériations Classifications

1. Encodage

Encoder A, B et C Encoder les termes de la série

Encoder les éléments présentés ou une représentation de la catégorie présentée Encoder les choix de

réponse

Encoder les choix de réponse

Découvrir les relations entre les éléments A-B et A-C

Découvrir les relations entre les éléments Découvrir la périodicité

Découvrir les relations entre les éléments

2. Comparaison des attributs

Compléter le patron complet de relations à l’intérieur et entre les périodes Appliquer la relation A-B à C pour extrapoler le Didéa1 Appliquer la règle découverte afin d’extrapoler le terme qui complète la série

3. Évaluation

Comparer le Didéal avec les choix de réponse

Justifier son choix en cas d’ambiguïté Répondre

Comparer le terme extrapolé avec les choix de réponse

Comparer les liens entre les éléments de la catégorie et les choix de réponse

(42)

37 Temps de latence de réponse : mesure de performance

ANNEXEE

(43)

Classifications 1

(44)

Classifications 3

(45)

Sériations 1

(46)

Sériations 3

(47)

ANNEXEC

(48)

Formulaire de consentement

UNIVERSITÉ

!AVAL

Je, soussigné(e) (inscris ton nom) _________________________ consens librement à participer à la recherche sur les logiciels RÉÉDUC. Les logiciels RÉÉDUC sont utilisés pour aider les enfants qui ont des difficultés à l’école.

1. La recherche a pour but de vérifier s’il est important de mesurer le temps de réponse lorsque je résous des problèmes tirés de RÉÉDUC.

2. Il y a deux étapes dans l’étude :

2.1. Dans la première étape, je vais résoudre des problèmes sur ordinateur. 2.2. Dans la deuxième étape, je vais résoudre des problèmes par écrit.

2.3. Chacune des étapes dure environ 45 minutes et se déroule dans les locaux de l’école. 3. Je peux décider n’importe quand de ne plus participer à l’étude. Je n’aurai pas à donner de

raison.

4. Cette étude me donne l’occasion de travailler sur un ordinateur et de contribuer à améliorer les logiciels RÉÉDUC.

5. Π n'y a pas de risque à participer à l’étude.

6. Mes résultats ne seront donnés à personne, ni à mes parents, ni à mes professeurs. Ils ne seront pas utilisés pour l’école. C’est confidentiel :

6.1. Mon nom n’est écrit que sur ce formulaire.

6.2. Sur tous les autres documents, un code remplace mon nom.

7. Cette recherche est réalisée par Kathleen Giguère, étudiante à l’Université Laval en psychologie. Si j’ai des questions, je peux les poser à Kathleen lors de ses visites en classe.

Date Signature de l’élève

Date Responsable

(49)

ANNEXED

(50)

Formulaire de consentement

UNIVERSITÉ

!AVAL

Je, soussigné(e)__________________________ , consens librement à ce que mon enfant_______________________________ participe à la recherche sur l’apport du temps de réponse dans des tâches d’entraînement cognitif. La nature et les procédures de la recherche se définissent comme suit :

1. La recherche a pour but d’évaluer l’apport de la variable temps de réponse dans des tâches d’entraînement cognitif tirées de RÉÉDUC.

2. L'étude prend la forme de deux rencontres d'une durée d'environ 45 minutes :

2.1. L’une des rencontre consiste à passer un test écrit, évaluant des habiletés scolaires générales : mathématique, français et résolution de problèmes.

2.2. Lors de l’autre rencontre, l’enfant effectue les tâches d’entraînement cognitif sur un ordinateur de l’école. Ces tâches sont tirées des logiciels RÉÉDUC et demandent à l’enfant de découvrir une règle gouvernant un ensemble de lettres, de nombres ou de dessins.

3. La passation du test a lieu à l’école, sur les heures régulières de classe.

4. Chaque participant(e) peut se retirer de la recherche en tout temps, sans avoir à fournir de raison ni à subir de préjudice quelconque.

5. La participation à cette recherche fournit à l’enfant l’occasion de travailler sur un ordinateur et d’effectuer des tâches scolaires.

6. Il n'y a aucun risque lié à la participation à la recherche, d'autant plus que le caractère confidentiel des réponses est assuré.

7. En ce qui concerne l'anonymat des participantes, le caractère confidentiel des renseignements fournis sera assuré par les mesures suivantes :

7.1. Le nom des participantes n’apparaît que sur le présent formulaire; 7.2. Sur tous les autres documents, un code remplacera le nom des participants; 7.3. Seuls les responsables de l’étude auront accès à la liste des noms et codes; 7.4. Si les renseignements obtenus dans cette recherche sont soumis à des analyses

ultérieures, seul le code apparaîtra sur les divers documents;

7.5. En aucun cas, les résultats individuels des participantes ne seront communiqués à qui que ce soit.

8. Cette recherche est réalisée dans le cadre d’un mémoire de Maîtrise en psychologie. Elle est sous la responsabilité de Kathleen Giguère, étudiante à la Maîtrise et de monsieur Michel Loranger (Ph.D.), professeur à l’École de psychologie de l’Université Laval (418-656-5933) à qui toute demande d’information supplémentaire peut être adressée.

Date Signature du parent ou tuteur

Date Responsable