Percevoir et agir face à un objet dont la trajectoire est difficilement prévisible
Auteur / Autrice : | Olga Polezhaeva |
Direction : | Michel-Ange Amorim, Stefan Glasauer |
Type : | Projet de thèse |
Discipline(s) : | Sciences du sport et du mouvement humain |
Date : | Inscription en doctorat le 30/09/2022 |
Etablissement(s) : | université Paris-Saclay |
Ecole(s) doctorale(s) : | École doctorale Sciences du sport, de la motricité et du mouvement humain |
Partenaire(s) de recherche : | Laboratoire : CIAMS - Complexité, Innovation, Activités Motrices et Sportives |
Référent : Faculté des sciences du sport |
Mots clés
Résumé
Dans la vie quotidienne, nous sommes souvent confrontés à diverses sources d'incertitude : nos capteurs sensoriels fournissent des informations incertaines ou incomplètes, et les stimuli en mouvement dans l'environnement peuvent également modifier leur comportement de manière imprévisible. Par exemple, lorsque nous déterminons l'emplacement final d'une pomme tombant d'un arbre tout en heurtant des branches (incertitude environnementale) et en étant partiellement cachée par des feuilles (incertitude sensorielle). De même, lorsque nous conduisons alors qu'il neige abondamment et que nous sommes confrontés à une voiture qui s'approche et dont la trajectoire semble aléatoire : est-ce parce que son conducteur est ivre ou souffre d'un arrêt cardiaque soudain, est-ce parce que la route est glissante, ou est-ce que le caractère aléatoire est dû à la neige et au vent ? Ce projet de recherche de doctorat vise à étudier comment les gens gèrent des situations dans lesquelles la source d'incertitude est ambiguë, mais où une mauvaise attribution de l'incertitude modifie de manière décisive la perception et les actions motrices. Comment apprenons-nous à attribuer correctement l'incertitude et à ajuster le processus perceptif ? A notre connaissance, cela n'a pas été bien étudié, que ce soit expérimentalement ou par la modélisation computationnelle des processus décisionnels. Des expériences comportementales seront utilisées pour étudier comment le mouvement d'un objet est perçu lorsqu'il est influencé par des perturbations d'origine incertaine (objectif 1). Le déplacement aléatoire observé pendant le mouvement pourrait être dû à un mouvement aléatoire réel de l'objet (par exemple, un processus i.i.d. où chaque position est indépendante de la précédente, ou une marche aléatoire où chaque position dépend temporellement de la position précédente), ou à une observation incomplète (par exemple, une occlusion) ou perturbée (par exemple, un bruit). En outre, l'apprentissage de la structure globale de l'incertitude sensorielle sera étudié lorsque l'objet doit être soit attrapé, soit évité (objectif 2). Des preuves neuroscientifiques ont montré que les mouvements du bras d'approche ou d'évitement correspondent à des flux de traitement perception-action différents. Par conséquent, selon nous, la prise de décision variera selon que l'action est un mouvement vers ou pour éviter un objet en approche. De plus, en appliquant différentes modalités de réponse (par exemple, des tâches psychophysiques ; des mouvements d'interception ou d'évitement) et de feedback sur la performance, nous testerons comment les participants perçoivent l'incertitude présentée et si les réponses reflètent les sources de variabilité appliquées expérimentalement. Enfin, les données comportementales (temps de réponse, erreurs, etc.) seront analysées à l'aide de modèles de dérive-diffusion des processus de décision, et comparées aux prédictions de modèles bayésiens afin d'étendre les travaux précédents qui tentent de relier les deux perspectives théoriques (objectif 3). Les résultats de ce projet permettront de mieux comprendre la manière dont les gens font face aux événements aléatoires et comment cette capacité peut être améliorée pour agir de manière appropriée. A l'issue de sa thèse, le/la candidat/e retenu.e aura ainsi acquis plusieurs compétences cruciales en recherche: la mise uvre de protocoles expérimentaux (en réalité virtuelle) nécessitant le recueil de données comportementales (psychophysique et capture de mouvement), la capacité d'analyser et de modéliser les processus de décision à l'origine des données comportementales.