En psychophysique, les expériences cherchent à déterminer si le sujet peut détecter un stimulus, l’identifier, le différencier d’un autre stimulus, ou décrire l’ampleur ou la nature de cette différence. Les logiciels pour l’expérimentation psychophysique sont présentés par Strasburger.
Méthodes psychophysiques classiquesEdit
Les expériences psychophysiques ont traditionnellement utilisé trois méthodes pour tester la perception des sujets dans les expériences de détection de stimulus et de détection de différence : la méthode des limites, la méthode des stimuli constants et la méthode de l’ajustement.
Méthode des limitesModification
Dans la méthode des limites ascendantes, une certaine propriété du stimulus commence à un niveau si bas que le stimulus ne pourrait pas être détecté, puis ce niveau est progressivement augmenté jusqu’à ce que le participant déclare en avoir conscience. Par exemple, si l’expérience teste l’amplitude minimale d’un son qui peut être détecté, le son est d’abord trop faible pour être perçu, puis il est progressivement augmenté. Dans la méthode des limites décroissantes, le processus est inversé. Dans chaque cas, le seuil est considéré comme le niveau de la propriété du stimulus auquel les stimuli sont juste détectés.
Dans les expériences, les méthodes ascendante et descendante sont utilisées alternativement et les seuils sont moyennés. Un inconvénient possible de ces méthodes est que le sujet peut s’habituer à déclarer qu’il perçoit un stimulus et continuer à déclarer de la même manière même au-delà du seuil (erreur d’habituation). À l’inverse, le sujet peut également anticiper que le stimulus est sur le point de devenir détectable ou indétectable et peut porter un jugement prématuré (l’erreur d’anticipation).
Pour éviter ces pièges potentiels, Georg von Békésy a introduit en 1960 la procédure de l’escalier dans son étude de la perception auditive. Dans cette méthode, le son est d’abord audible et devient de plus en plus silencieux après chacune des réponses du sujet, jusqu’à ce que ce dernier ne déclare pas l’avoir entendu. À ce moment-là, le son devient plus fort à chaque étape, jusqu’à ce que le sujet déclare l’avoir entendu, auquel cas il est à nouveau plus faible par étapes. De cette façon, l’expérimentateur est en mesure de « mettre à zéro » le seuil.
Méthode des stimuli constantsModification
Au lieu d’être présentés dans un ordre croissant ou décroissant, dans la méthode des stimuli constants, les niveaux d’une certaine propriété du stimulus ne sont pas liés d’un essai à l’autre, mais présentés de façon aléatoire. Cela empêche le sujet de pouvoir prédire le niveau du prochain stimulus et réduit donc les erreurs d’accoutumance et d’attente. Pour les « seuils absolus », le sujet indique s’il est capable de détecter le stimulus. Pour les « seuils de différence », il doit y avoir un stimulus de comparaison constant avec chacun des niveaux variés. Friedrich Hegelmaier a décrit la méthode des stimuli constants dans un article de 1852. Cette méthode permet un échantillonnage complet de la fonction psychométrique, mais peut entraîner un grand nombre d’essais lorsque plusieurs conditions sont intercalées.
Méthode d’ajustementModification
Dans la méthode d’ajustement, on demande au sujet de contrôler le niveau du stimulus et de le modifier jusqu’à ce qu’il soit à peine détectable par rapport au bruit de fond, ou qu’il soit identique au niveau d’un autre stimulus. L’ajustement est répété plusieurs fois. Dans cette méthode, les observateurs contrôlent eux-mêmes la magnitude du stimulus variable, en commençant par un niveau nettement supérieur ou inférieur à un stimulus standard, et le font varier jusqu’à ce qu’ils soient satisfaits de l’égalité subjective des deux. La différence entre les stimuli variables et le stimulus standard est enregistrée après chaque ajustement, et l’erreur est tabulée pour une série considérable. A la fin, la moyenne est calculée donnant l’erreur moyenne qui peut être prise comme une mesure de la sensibilité.
Méthodes psychophysiques adaptativesEdit
Les méthodes classiques d’expérimentation sont souvent argumentées pour être inefficaces. En effet, avant le test, le seuil psychométrique est généralement inconnu et la plupart des données sont recueillies en des points de la fonction psychométrique qui fournissent peu d’informations sur le paramètre d’intérêt, généralement le seuil. Des procédures adaptatives en escalier (ou la méthode classique d’ajustement) peuvent être utilisées de telle sorte que les points échantillonnés soient regroupés autour du seuil psychométrique. Les points de données peuvent également être répartis dans une plage légèrement plus large, si la pente de la fonction psychométrique est également intéressante. Les méthodes adaptatives peuvent donc être optimisées pour estimer le seuil uniquement, ou à la fois le seuil et la pente. Les méthodes adaptatives sont classées en deux catégories : les procédures en escalier (voir ci-dessous) et les méthodes bayésiennes, ou de maximum de vraisemblance. Les méthodes en escalier reposent uniquement sur la réponse précédente et sont plus faciles à mettre en œuvre. Les méthodes bayésiennes prennent en compte l’ensemble des paires stimulus-réponse précédentes et sont généralement plus robustes face aux défaillances d’attention. Des exemples pratiques se trouvent ici.
Procédures d’escaliersModifier
Les escaliers commencent généralement par un stimulus de forte intensité, facile à détecter. L’intensité est ensuite réduite jusqu’à ce que l’observateur fasse une erreur, auquel cas l’escalier ‘s’inverse’ et l’intensité est augmentée jusqu’à ce que l’observateur réponde correctement, ce qui déclenche une autre inversion. Les valeurs de la dernière de ces « inversions » sont alors moyennées. Il existe de nombreux types de procédures en escalier, utilisant différentes règles de décision et de fin. La taille des marches, les règles de montée/descente et l’étendue de la fonction psychométrique sous-jacente déterminent l’endroit où elles convergent sur la fonction psychométrique. Les valeurs de seuil obtenues à partir d’escaliers peuvent fluctuer de façon importante, il faut donc faire attention à leur conception. De nombreux algorithmes d’escaliers différents ont été modélisés et certaines recommandations pratiques suggérées par Garcia-Perez.
L’un des modèles d’escaliers les plus courants (avec des tailles d’étapes fixes) est l’escalier 1-up-N-down. Si le participant donne la bonne réponse N fois de suite, l’intensité du stimulus est réduite d’une taille d’étape. Si le participant donne une réponse incorrecte, l’intensité du stimulus est augmentée d’un pas. Un seuil est estimé à partir du point médian moyen de toutes les séries. Cette estimation s’approche, asymptotiquement, du seuil correct.
Procédures bayésiennes et de maximum de vraisemblanceModifier
Les procédures adaptatives bayésiennes et de maximum de vraisemblance (ML) se comportent, du point de vue de l’observateur, de manière similaire aux procédures en escalier. Le choix du niveau d’intensité suivant fonctionne cependant différemment : Après chaque réponse de l’observateur, à partir de l’ensemble de cette paire stimulus/réponse et de toutes les paires stimulus/réponse précédentes, la probabilité est calculée pour savoir où se trouve le seuil. Le point de probabilité maximale est alors choisi comme la meilleure estimation du seuil, et le stimulus suivant est présenté à ce niveau (puisqu’une décision à ce niveau apportera le plus d’informations). Dans une procédure bayésienne, une vraisemblance préalable est en outre incluse dans le calcul. Par rapport aux procédures en escalier, les procédures bayésiennes et ML sont plus longues à mettre en œuvre mais sont considérées comme plus robustes. Les procédures bien connues de ce type sont Quest, ML-PEST et la méthode de Kontsevich & Tyler.
Estimation de l’ampleurModification
Dans le cas prototypique, on demande aux gens d’attribuer des nombres proportionnellement à l’ampleur du stimulus. Cette fonction psychométrique des moyennes géométriques de leurs nombres est souvent une loi de puissance avec un exposant stable et reproductible. Bien que les contextes puissent changer l’exposant de la loi &, ce changement aussi est stable et reproductible. Au lieu des chiffres, d’autres dimensions sensorielles ou cognitives peuvent être utilisées pour faire correspondre un stimulus et la méthode devient alors la « production de magnitude » ou la « correspondance inter-modalité ». Les exposants de ces dimensions trouvés dans l’estimation numérique de la magnitude prédisent les exposants trouvés dans la production de la magnitude. L’estimation de la magnitude trouve généralement des exposants plus faibles pour la fonction psychophysique que les réponses à catégories multiples, en raison de la gamme restreinte des ancres catégorielles, telles que celles utilisées par Likert comme items dans les échelles d’attitude.