Découvrez comment les données brutes issues de l’oculométrie peuvent être transformées en indicateurs fiables de la charge cognitive, offrant ainsi un aperçu des liens entre l’attention visuelle et l’effort mental. En analysant les schémas de mouvements oculaires, les chercheurs peuvent quantifier la charge cognitive, ce qui permet de mieux comprendre l’expérience utilisateur et le traitement de l’information.
Table of Contents
Pour mieux comprendre les méthodes fondamentales utilisées pour collecter ces données brutes, nous vous invitons à consulter notre ressource dédiée à l’oculométrie sur écran.
Comment transformer les signaux de l’oculométrie en mesures exploitables de l’effort mental
Les systèmes d’oculométrie génèrent d’énormes volumes de données. Chaque enregistrement produit des flux de coordonnées du regard échantillonnées des centaines de fois par seconde, souvent accompagnés de mesures pupillaires et d’horodatages. Pris isolément, ces signaux ne décrivent évidemment pas la cognition, mais uniquement le mouvement.
Le défi scientifique ne réside pas dans la collecte des données, mais dans leur interprétation. Comment les données brutes sur le regard peuvent-elles devenir des indicateurs fiables de la charge cognitive ? Comment le comportement visuel se transforme-t-il en indices interprétables de l’effort mental ?
Cet article décrit étape par étape ce processus de transformation, depuis les données brutes de suivi du regard jusqu’aux indices structurés de charge cognitive, et explique les hypothèses qui confèrent à ces indices leur pertinence.
Que représentent les données brutes de vision
À la base, les oculomètres enregistrent la direction du regard à un instant donné. Chaque point de données comprend généralement les coordonnées horizontales et verticales du regard, ainsi qu’un horodatage.
Les données brutes relatives au regard sont continues, bruitées et fortement dépendantes du contexte. Elles ne reflètent pas directement l’attention, la compréhension ou l’effort. Deux tracés oculaires identiques peuvent traduire des états cognitifs très différents selon les exigences de la tâche, les propriétés du stimulus et les stratégies individuelles (Rayner, 1998).
La signification cognitive n’existe pas au niveau de l’échantillon ; elle n’apparaît qu’une fois les données structurées.
Des échantillons de regard aux événements liés aux mouvements oculaires
La première étape majeure de la transformation est la segmentation. Les échantillons bruts de données oculométriques sont regroupés en événements fonctionnels liés aux mouvements oculaires, le plus souvent des fixations et des saccades.
Les fixations correspondent à des périodes pendant lesquelles le regard reste relativement stable et où les informations visuelles peuvent être traitées. Les saccades sont des mouvements rapides entre deux fixations, au cours desquels le traitement de l’attention est largement suspendu (Rayner, 2009). Dans le cadre de tâches de lecture, les régressions sont des saccades vers l’arrière qui ramènent le regard sur un passage déjà lu.
Cette étape de segmentation est importante car toutes les interprétations de niveau supérieur dépendent de la manière dont les événements sont définis. Différents algorithmes de détection des fixations peuvent produire des nombres et des durées de fixations différents à partir des mêmes données brutes. Ces différences ont une incidence directe sur les indicateurs et les conclusions qui en découlent (Holmqvist et al., 2011).
Les mesures au niveau des événements comme indicateurs de l’effort de traitement
Une fois les données de suivi du regard segmentées en événements, les chercheurs peuvent en extraire des mesures quantitatives. Ces mesures sont souvent utilisées comme indicateurs potentiels de la charge cognitive, notamment dans le cadre de tâches de lecture et de traitement visuel.
Indicateurs basés sur les fixations
Des durées de fixation plus longues sont généralement associées à un effort de traitement accru (Andreou & Gkantaki, 2024). Une forte variabilité dans la durée de fixation peut indiquer un traitement instable ou interrompu. Le nombre de fixations dans des zones d’intérêt spécifiques révèle à quelle fréquence l’information doit être réexaminée.
Mesures basées sur les saccades
On observe généralement des amplitudes de saccades plus courtes et des taux de régression plus élevés lorsque les exigences de traitement sont plus élevées, ce qui reflète l’incertitude liée à la reconnaissance des mots et une charge cognitive accrue. Des études d’oculométrie plus récentes montrent que la lecture fluide se caractérise par des saccades plus longues et plus prévisibles, tandis que la lecture exigeante sur le plan cognitif entraîne des schémas de mouvements oculaires plus contraints et moins efficaces (Toki, 2024).
Tendances temporelles
La charge cognitive ne se manifeste souvent pas par un ralentissement uniforme, mais par des irrégularités. Des pauses soudaines, des retours en arrière répétés et des trajectoires de regard interrompues peuvent tous indiquer des moments d’effort mental accru (Hyönä et al., 2002).
À ce stade, les indicateurs restent descriptifs. Ils mettent en évidence des schémas comportementaux, mais ne constituent pas encore des indices de la charge cognitive.
La pupillométrie en tant qu’indicateur complémentaire
Outre la position du regard, de nombreux oculomètres enregistrent également la taille de la pupille. La dilatation pupillaire provoquée par une tâche est un indicateur physiologique bien établi de l’effort mental (Beatty, 1982 ; Kahneman, 1973).
Contrairement à la direction du regard, les réactions pupillaires ne sont pas de nature spatiale. Elles reflètent les variations de l’état d’éveil et de la répartition des ressources au fil du temps. Lorsque les exigences d’une tâche augmentent, la taille de la pupille s’accroît souvent, même lorsque les stimuli visuels restent constants.
Les données pupillaires doivent faire l’objet d’un contrôle rigoureux. Les conditions d’éclairage, la luminosité de l’écran, la fatigue et les réactions émotionnelles ont toutes une influence sur la taille de la pupille. Les facteurs démographiques jouent également un rôle : les jeunes enfants et les personnes âgées présentent souvent des dynamiques pupillaires de base et des amplitudes de réponse différentes. Chez les populations cliniques, les réponses pupillaires peuvent être atypiques ou altérées, ce qui affecte directement l’interprétabilité des résultats.
Les choix liés à la conception de l’étude, notamment le contraste entre le texte et l’arrière-plan et les variations de contraste entre les stimuli, modulent également les réponses pupillaires. C’est pourquoi les mesures pupillaires sont généralement corrigées par rapport à la valeur de référence et interprétées en fonction des événements de la tâche, plutôt que d’être considérées comme des valeurs absolues (Beatty & Lucero-Wagoner, 2000).
La taille de la pupille n’indique pas directement le niveau de difficulté d’une tâche. Elle reflète l’intensité de l’effort cognitif fourni à un moment donné.
Des indicateurs aux indices : élaboration de mesures de la charge cognitive
Un indice de charge cognitive n’est pas une simple mesure. Il s’agit d’une combinaison structurée de plusieurs indicateurs, agrégés et normalisés selon un cadre théorique.
Ce processus comprend généralement plusieurs étapes :
- correction de la ligne de base pour tenir compte des différences individuelles
- normalisation entre les participants ou les conditions
- agrégation sur des intervalles de temps ou des zones d'intérêt
- pondération des indicateurs en fonction de la pertinence des tâches
Par exemple, un indice de charge cognitive lié à la lecture pourrait combiner la durée de fixation, la fréquence des retours visuels et la dilatation pupillaire dans les zones linguistiquement complexes d’un texte (Sweller et al., 1998 ; Paas et al., 2003).
Les indices de charge cognitive sont élaborés, et non pas découverts. Leur validité repose sur des hypothèses transparentes et une adaptation minutieuse aux exigences de la tâche.
Le rôle de la tâche, du stimulus et des différences individuelles
Les indicateurs d’oculométrie n’ont pas de signification figée. Une même durée de fixation peut traduire une compréhension approfondie dans une tâche et une confusion dans une autre.
La structure des tâches est importante. La lecture silencieuse, la lecture à voix haute et la recherche visuelle sollicitent différemment les systèmes visuel et cognitif. La conception des stimuli joue également un rôle central. La fréquence des mots, le choix de la police, l’espacement et la mise en page influencent tous le comportement des mouvements oculaires (Rayner, 2009).
Les différences individuelles compliquent encore davantage l’interprétation. Les lecteurs expérimentés, les lecteurs débutants et les lecteurs dyslexiques peuvent présenter des schémas de mouvements oculaires différents, même lorsque leurs résultats en matière de compréhension sont similaires. Ces différences reflètent souvent des stratégies de compensation plutôt que des déficits (Hyönä et al., 2002).
La charge cognitive est relative. Elle n’existe qu’en relation avec une tâche, un stimulus et un participant.
Ce que les indices de charge cognitive peuvent et ne peuvent pas prétendre
Lorsqu’ils sont correctement élaborés, les indices de charge cognitive oculométrique permettent de mettre en évidence les variations relatives de l’effort mental selon les conditions, les protocoles ou les phases d’une tâche. Ils s’avèrent particulièrement utiles pour détecter un effort qui ne transparaît pas dans les seules mesures de performance.
Toutefois, ces indices ne permettent pas d’évaluer les capacités cognitives, l’intelligence ou des troubles cliniques. Ils n’expliquent pas les causes de la surcharge. Ils décrivent simplement comment le comportement visuel évolue lorsque les exigences d’une tâche augmentent (Paas et al., 2003).
Utilisés avec prudence, les indices de charge cognitive apportent une meilleure compréhension. Utilisés sans discernement, ils risquent d’entraîner une interprétation excessive.
Pourquoi cette transformation est-elle importante ?
La transformation des données brutes de l’oculométrie en indices de charge cognitive est l’un des moyens qui confère à cette technique une utilité scientifique au-delà de la simple mesure de l’attention visuelle. Elle permet aux chercheurs de passer de simples tracés de regard descriptifs à des mesures structurées et comparables de l’effort mental.
Cette transformation trouve des applications dans la recherche sur la lecture, l’éducation, la conception axée sur l’accessibilité, l’interaction homme-machine et l’ergonomie. Dans tous les cas, l’objectif est le même : rendre mesurable l’effort cognitif invisible sans se fier uniquement aux déclarations des personnes concernées.
En savoir plus sur la charge cognitive :
Article : Comprendre la charge cognitive : qu’est-ce que c’est et comment cela nous affecte-t-il ?
Article : Étude de la charge mentale avec iMotions
Produit : Solution logicielle pour la mesure de la charge cognitive
Références
- Beatty, J. (1982). Réponses pupillaires provoquées par une tâche, charge de traitement et structure des ressources de traitement. Psychological Bulletin, 91(2), 276–292.
- Beatty, J., & Lucero-Wagoner, B. (2000). Le système pupillaire. Dans J. T. Cacioppo et al. (dir.), Manuel de psychophysiologie.
- Holmqvist, K., Nyström, M., Andersson, R., Dewhurst, R., Jarodzka, H., & van de Weijer, J. (2011). Eye Tracking : Guide complet des méthodes et des mesures. Oxford University Press.
- Hyönä, J., Lorch, R. F. et Kaakinen, J. K. (2002). Différences individuelles dans la lecture visant à résumer un texte explicatif. Journal of Educational Psychology, 94(1), p. 44-55.
- Andreou, G., & Gkantaki, M. (2024). Suivi des mouvements oculaires chez les adultes pour étudier la compréhension de textes : un article de synthèse. Languages, 9(12), 360. https://doi.org/10.3390/languages9120360
- Kahneman, D. (1973). Attention et effort. Prentice-Hall.
- Paas, F., Tuovinen, J. E., Tabbers, H., & Van Gerven, P. W. M. (2003). La mesure de la charge cognitive comme moyen de faire progresser la théorie de la charge cognitive. Educational Psychologist, 38(1), 63–71.
- Toki, E. I. (2024). Utilisation de l'oculométrie pour évaluer la dyslexie : revue systématique des données émergentes. Education Sciences, 14(11), 1256. https://doi.org/10.3390/educsci14111256
- Rayner, K. (2009). Mouvements oculaires et attention dans la lecture, la perception de la scène et la recherche visuelle. Quarterly Journal of Experimental Psychology, 62(8), 1457–1506.
- Sweller, J., Ayres, P. et Kalyuga, S. (1998). Théorie de la charge cognitive. Springer.