Ingénierie et systèmes > Accueil > Ingénierie cognitique > Numéro
L’objectif de ce travail est de traiter des données complexes issues de la technique des Brain Computer Interfaces
(BCI) au moyen de méthodes statistiques multivariées (approche PCAmix et classification de variables) afin de mieux
comprendre et interpréter les relations qui existent entre elles. Cet article présente ainsi la classification de variables qui
a pour but de réunir des variables fortement liées entre elles. L’approche proposée fonctionne avec des données mixtes,
c’est à dire des données contenant des variables numériques et des variables catégorielles. Deux algorithmes de classification
de variables sont décrits : un de classification hiérarchique et un autre de partitionnement de type k-means. Une
rapide description de la méthode PCAmix (qui permet de faire de l’analyse en composantes principales pour des données
mixtes) est fournie, vu que le calcul des variables synthétiques résumant les classes de variables obtenues est fondé sur
cette méthode multivariée. Enfin, les approches PCAmix et ClustOfVar (implémentées dans les packages R ClustOfVar
et PCAmixdata) sont mises en oeuvre sur les données réelles issues de l’étude BCI. Des recommandations, reposant non
seulement sur des critères de performances, d’efficience mais aussi de satisfaction, ont pu être faites concernant le choix
d’interface dans l’usage des claviers virtuels, notamment pour des personnes avec des problèmes moteurs tels que la
maladie de Charcot.
Avec l’automatisation de la conduite et le transfert de la responsabilité du véhicule vers l’automate, il convient de s’intéresser aux risques potentiels induits par la « sortie de la boucle » de l’humain. A cette fin, deux expérimentations ont été réalisées sur simulateur de conduite. La 1ère porte sur l’automatisation du véhicule en conditions d’embouteillages sur autoroute. Les résultats indiquent qu’un niveau d’automatisation plus élevé (L4, comparé à L3) est jugé par les participants comme plus utile, réduisant la difficulté et la pénibilité de la tâche de conduite. La 2nde expérimentation, en situations de conduite critiques, s’intéresse à l’effet de l’automatisation sur la conscience de la situation (CS), l’évaluation de sa criticité, la capacité des participants à reprendre le contrôle manuel en cas de nécessité, et enfin sur leur confiance en un système automatisé gérant le risque à leur place. Les résultats de cette 2nde expérimentation révèlent des effets de l’automatisation sur la CS des conducteurs, sur l’évaluation du risque ainsi que sur les stratégies visuelles, effets néanmoins dépendants du niveau d’expérience de conduite. Dans la dernière section de l’article, les données empiriques collectées au cours de la 2nde expérimentation sont utilisées dans le modèle COSMODRIVE afin de simuler certains effets de l’automatisation de la conduite sur les stratégies d’exploration visuelle du conducteur.
Après un rappel des six paradigmes de l’apprentissage, un des aspects de l’apport d’Edelman est explicité. Son application à l’apprentissage de la lecture montre l’importance de le lier à l’écriture.
Les technologies convergentes, ou néotechnologies NBIC, font l’objet de tous les espoirs, de toutes les craintes et de nombre résistances qui s’étayent sur des positions morales développées et promues par les citoyens confrontés au développement exponentiel de ces technologies. Ces positions peuvent être schématiquement distinguées en quatre grandes tendances, elles-mêmes modifiées par la valeur éthique que les individus accordent aux enjeux d’application des technologies.
