Motricidad (Sep 2010)
Approche multidimensionnelle de la difficulté objective dans une tâche d’anticipation coï ncidence Multidimensional approach of objective difficulty in an aiming task
Abstract
<p class="titulo1" align="center"> </p><p class="tabulado" align="justify">Cet article a pour objet de proposer une nouvelle procédure pour classer les tâches motrices à caractère informationnel à partir d’une approche multidimensionnelle de la difficulté. L’expérimentation a consisté à faire passer des tests de pointage à 345 sujets sur cibles mobiles créées et gérées par ordinateur. Les paramètres des cibles ont été choisis pour leur indépendance et la possibilité de les positionner sur des échelles numériques. Trois descripteurs ont été retenus : la vitesse de déplacement, la surface de la cible et l’incertitude spatiale. La performance ne semblant pas être la seule variable dépendante résumant la difficulté, il lui a été adjoint trois autres variables : les tentatives, le temps de réaction et le temps moteur. En utilisant des outils statistiques permettant des analyses de données multidimensionnelles (CAH, AFC), il a été possible soit d’agréger des tâches aux profils identiques soit de les différencier en fonction du poids de chaque descripteur sur les variables dépendantes. Surtout, il est envisageable de préciser l’apport de chaque variable dans la définition de la difficulté que se donne a posteriori le chercheur.<br /> PALABRAS CLAVE: Difficulté, traitement de l’information, tâche motrice, classification, analyse de données.</p><p class="tabulado" align="justify">This article deals with a new method to classify informational motor tasks, through a multidimensional approach of difficulty. The following experiment is used: 345 subjects are asked to point at computer-managed mobile targets. The 3 selected target parameters are: velocity, area and spatial uncertainty. Independence and numerical scalability are the reasons for this choice. As performance does not sump up difficulty, other dependent variables have been added: number of attempts, reaction time and motor time. The use of state-of-the-art multidimensional data analysis (HAC, CFA) makes it possible either to aggregate tasks with identical profile, or to differentiate them according to each descriptor's weight on dependent variables. Above all, the study specifies the contribution of each variable in the a posteriori definition of the difficulty by the researcher.><br /> KEY WORDS: Difficulty, data processing, motor task, classification, data analysis.</p>
