Théorie de l'inhibition - Inhibition theory

La théorie de l'inhibition repose sur l'hypothèse de base que lors de l'exécution de toute tâche mentale nécessitant un minimum d'effort mental, le sujet passe en fait par une série d'états latents alternés de distraction (non-travail 0) et d'attention (travail 1) qui ne peuvent être observés et sont complètement imperceptibles pour le sujet.

De plus, le concept d'inhibition ou d'inhibition réactive qui est également latente, est introduit. L'hypothèse est faite que pendant les états d'inhibition de l' attention augmente de manière linéaire avec une pente de 1 et pendant les états d'inhibition de distraction diminue de façon linéaire avec une pente de 0 .Selon cette vue , les états de distraction peuvent être considérés comme une sorte d'état de récupération.

On suppose en outre que lorsque l'inhibition augmente pendant un état d'attention, en fonction de la quantité d'augmentation, l'inclinaison à passer à un état de distraction augmente également. Lorsque l'inhibition diminue pendant un état de distraction, en fonction de la quantité de diminution, l'inclination à passer à un état d'attention augmente. L'inclination à passer d'un état à l'autre est mathématiquement décrite comme un taux de transition ou un taux de risque, faisant de l'ensemble du processus d'alternance des temps de distraction et des temps d'attention un processus stochastique .

Théorie

Une variable aléatoire continue non négative T représente le temps jusqu'à ce qu'un événement se produise. Le taux de risque λ ( t ) pour cette variable aléatoire est défini comme étant la valeur limite de la probabilité que l'événement se produise dans un petit intervalle [ t , t  + Δ t ]; étant donné que l'événement ne s'est pas produit avant l'instant t , divisé par Δ t . Formellement, le taux de risque est défini par la limite suivante:

Le taux de risque λ ( t ) peut également être écrit en fonction de la fonction de densité ou de la fonction de densité de probabilité f ( t ) et de la fonction de distribution ou de la fonction de distribution cumulative F ( t ):

Les taux de transition λ 1 ( t ), de l'état 1 à l'état 0, et λ 0 ( t ), de l'état 0 à l'état 1, dépendent de l'inhibition Y ( t ): λ 1 ( t ) = 1 (Y ( t )) et λ 0 ( t ) = 0 (Y ( t )), où 1 est une fonction non décroissante et 0 est une fonction non croissante. Notez que 1 et L 0 sont dépendantes de Y , alors Y est fonction de T . La spécification des fonctions l 1 et l 0 conduit aux différents modèles d'inhibition.

Ce qui peut être observé dans le test, ce sont les temps de réaction réels. Un temps de réaction est la somme d'une série de temps de distraction et de temps d'attention alternés, qui ne peuvent pas être observés. Il est néanmoins possible d'estimer à partir des temps de réaction observables certaines propriétés du processus latent des temps de distraction et des temps d'attention, c'est-à-dire le temps moyen de distraction, le temps moyen d'attention et le rapport a 1 / a 0 . Afin de pouvoir simuler les temps de réaction consécutifs, la théorie de l'inhibition a été spécifiée dans divers modèles d'inhibition.

L'un est le modèle dit d'inhibition bêta. Dans le modèle d'inhibition bêta, on suppose que l'inhibition Y ( t ) oscille entre deux frontières qui sont 0 et M ( M pour Maximum), où M est positif. Dans ce modèle, 1 et 0 sont les suivants:

et

les deux avec c 0 > 0 et c 1 > 0. Notez que, selon la première hypothèse, lorsque y va vers M (pendant un intervalle), 1 ( y ) va à l'infini et cela force une transition vers un état de repos avant l'inhibition peut atteindre M . Selon la deuxième hypothèse, lorsque y passe à zéro (lors d'une distraction), 0 ( y ) va à l'infini et cela force une transition vers un état de travail avant que l'inhibition ne puisse atteindre zéro. Pour un intervalle de travail commençant à t 0 avec un niveau d'inhibition y 0  =  Y ( t 0 ), la vitesse de transition au temps t 0  +  t est donnée par λ 1 ( t ) = l 1 ( y 0  +  a 1 t). Pour un intervalle de non-travail commençant à t 0 avec un niveau d'inhibition y 0  =  Y ( t 0 ), la vitesse de transition est donnée par λ 0 ( t ) =  0 ( y 0  -  a 0 t ). Par conséquent

et

Le modèle a Y fluctuant dans l'intervalle entre 0 et M . La distribution stationnaire de Y / M dans ce modèle est une distribution bêta (le modèle d'inhibition bêta).

Le temps de travail réel total jusqu'à la fin de la tâche (ou l'unité de travail en cas d'une répétition des tâches unitaires équivalentes), par exemple, dans le test de concentration de l' attention, est appelée A . Le temps de réponse stationnaire moyen E ( T ) peut s'écrire

Car M va à l'infini λ 1 ( t ) = c 1 . Ce modèle est connu sous le nom de modèle gamma - ou modèle d'inhibition de Poisson - (voir Smit et van der Ven, 1995).

Application

La théorie de l'inhibition a été spécialement développée pour tenir compte de l'oscillation à court terme ainsi que de la tendance à long terme des courbes de temps de réaction obtenues dans des tâches de réponse continue telles que le test de concentration d'attention (ACT). L'ACT consiste généralement en une tâche de travail prolongée sur-apprise dans laquelle chaque réponse suscite la suivante. Plusieurs auteurs, dont Binet (1900), ont souligné l'importance de la fluctuation des temps de réaction suggérant l' écart moyen comme mesure de la performance.

A cet égard, il convient également de mentionner une étude de Hylan (1898). Dans son expérience B, il a utilisé une tâche d'addition de 27 chiffres à un seul chiffre indiquant l'importance de la fluctuation des temps de réaction et a été le premier à signaler des courbes de temps de réaction augmentant progressivement (légèrement décroissantes) (Hylan, 1898, page 15, figure 5).

Récemment, le modèle d'inhibition a également été utilisé pour expliquer les durées de phase dans des expériences de rivalité binoculaire (van der Ven, Gremmen & Smit, 2005). Le modèle est capable de rendre compte des propriétés statistiques des durées de phase alternées

T 11 , T 01 , T 12 , T 02 , T 13 , T 03 , ...,

représentant la durée pendant laquelle une personne perçoit le stimulus dans un œil T 1j et dans l'autre œil T 0j .

Une définition de l'intelligence

Avec l'aide de la théorie de l'inhibition, il est possible de définir le concept d'intelligence opérationnellement. L'intelligence est alors le rapport entre le taux d'augmentation de l'inhibition pendant les périodes d'attention et le taux de diminution de l'inhibition pendant les périodes de distraction ou, mieux, moins le logarithme naturel de ce rapport, soit

Moins le logarithme naturel est normalement distribué. La raison pour laquelle le signe moins est utilisé est qu'un score élevé correspond alors à une intelligence élevée et un score faible à une intelligence faible.

Au lieu de la quantité d'inhibition comme force de guidage, on aurait pu prendre la quantité d'énergie ou mieux d'énergie mentale comme force de guidage. L'énergie mentale est alors l'inverse de l'inhibition. L'idée d'une énergie mentale décroissante pendant les périodes d'attention et d'une énergie mentale de récupération et croissante pendant les périodes de distraction a déjà été suggérée par Spearman: «Habituellement, un travail acharné, on peut supposer, produit une consommation accrue de cette énergie, et par conséquent une augmentation correspondante. dans sa récupération. " (Spearman, 1927, chapitre XIX), page 327).

Voir également

Les références

  • Binet, A. (1900). Attention et adaptation [Attention et adaptation]. L'annee psychologique , 6 , 248−404.
  • Hylan, JP (1898). La fluctuation de l'attention. La revue psychologique , série de suppléments de monographie , vol. II., N ° 2 (entier n ° 6). New York: The MacMillan Company. ''
  • Smit, JC et van der Ven, AHGS (1995). Inhibition dans les tests de vitesse et de concentration: le modèle d'inhibition de Poisson. Journal of Mathematical Psychology , 39 , 265-273.
  • Spearman, C. (1927). Les capacités de l'homme. Londres: MacMillan.
  • van der Ven, AHGS, Gremmen, FM et Smit, JC (2005). Un modèle statistique pour la rivalité binoculaire. Journal britannique de psychologie mathématique et statistique , 58 , 97-116.