le même processus pour tous - Université de Bourgogne
le même processus pour tous - Université de Bourgogne
le même processus pour tous - Université de Bourgogne
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
2.3.2. Condition en aveug<strong>le</strong><br />
Chapitre 1 – Effet <strong>de</strong> l’entraînement sensoriel sur la catégorisation <strong>de</strong>s bières<br />
L'expérience s'est déroulée un an et <strong>de</strong>mi avant l’expérience en condition visuel<strong>le</strong>. Les conditions<br />
expérimenta<strong>le</strong>s étaient <strong>le</strong>s <strong>même</strong>s que cel<strong>le</strong>s décrites précé<strong>de</strong>mment, excepté que <strong>le</strong>s cabines étaient<br />
éclairées avec une lumière rouge obscurcie par du papier <strong>de</strong> soie noir <strong>de</strong> façon à masquer <strong>le</strong>s<br />
différences <strong>de</strong> cou<strong>le</strong>ur entre <strong>le</strong>s bières. Le groupe B <strong>de</strong> participants novices a réalisé l’expérience lors<br />
d’une session unique consistant en une tâche <strong>de</strong> tri libre sur <strong>le</strong>s neuf bières, comme décrit<br />
précé<strong>de</strong>mment. Les participants entraînés et <strong>le</strong> groupe A <strong>de</strong> participants novices ont réalisé quatre<br />
répétitions <strong>de</strong> cette tâche <strong>de</strong> tri. Les répétitions 1 et 2 se sont déroulées lors d’une première session et<br />
étaient séparées par une pause <strong>de</strong> 20 minutes. Les répétitions 3 et 4 se sont déroulées lors d’une<br />
secon<strong>de</strong> session une semaine plus tard (Annexe 2).<br />
2.4. Traitement <strong>de</strong>s données<br />
A partir <strong>de</strong>s données <strong>de</strong> tri obtenues <strong>pour</strong> chaque participant, une matrice individuel<strong>le</strong> <strong>de</strong> distance a été<br />
construite <strong>pour</strong> chaque répétition. Il s'agit d'une matrice 9×9 dans laquel<strong>le</strong> <strong>le</strong>s lignes et <strong>le</strong>s colonnes<br />
correspon<strong>de</strong>nt aux bières. Une va<strong>le</strong>ur <strong>de</strong> 0 à l'intersection d'une ligne et d'une colonne données signifie<br />
que <strong>le</strong> participant a groupé <strong>le</strong>s <strong>de</strong>ux bières concernées ensemb<strong>le</strong>, alors qu'une va<strong>le</strong>ur <strong>de</strong> 1 indique que<br />
<strong>le</strong>s bières n'ont pas été groupées ensemb<strong>le</strong>. Pour chaque condition (visuel<strong>le</strong> et en aveug<strong>le</strong>), <strong>pour</strong><br />
chaque groupe <strong>de</strong> participants (entraînés et novices) et <strong>pour</strong> chaque répétition (répétitions 1, 2, 3 et 4),<br />
<strong>le</strong>s matrices individuel<strong>le</strong>s <strong>de</strong> distance ont été analysées avec la métho<strong>de</strong> DISTATIS (Abdi, Va<strong>le</strong>ntin,<br />
O’Too<strong>le</strong> & E<strong>de</strong>lman, 2005; Abdi, Va<strong>le</strong>ntin, Chol<strong>le</strong>t & Chrea, 2007). Cette métho<strong>de</strong> est une<br />
généralisation <strong>de</strong> la métho<strong>de</strong> classique Multidimensional Scaling (MDS). DISTATIS prend en compte<br />
<strong>le</strong>s données individuel<strong>le</strong>s <strong>de</strong> tri et construit une carte compromis <strong>de</strong>s produits qui s'apparente à une<br />
carte <strong>de</strong> MDS. Cette carte <strong>de</strong>s produits est obtenue par une analyse en composantes principa<strong>le</strong>s (ACP)<br />
réalisée sur la matrice compromis <strong>de</strong>s produits. Cette matrice compromis <strong>de</strong>s produits est une<br />
moyenne pondérée <strong>de</strong> toutes <strong>le</strong>s matrices produits individuel<strong>le</strong>s. Sur la carte compromis <strong>de</strong>s produits,<br />
la proximité entre <strong>le</strong>s points reflète <strong>le</strong>ur similarité. Plus <strong>de</strong>ux points sont proches sur la carte, plus <strong>le</strong>s<br />
produits associés ont souvent été catégorisés ensemb<strong>le</strong> par <strong>le</strong>s participants. Une Classification<br />
Ascendante Hiérarchique (CAH) a éga<strong>le</strong>ment été réalisée sur <strong>le</strong>s coordonnées <strong>de</strong>s points sur <strong>le</strong>s<br />
dimensions retenues afin d'i<strong>de</strong>ntifier <strong>de</strong>s groupes <strong>de</strong> bières sur chaque configuration.<br />
Afin <strong>de</strong> comparer <strong>de</strong>ux configurations, <strong>de</strong>s coefficients RV ont été calculés entre <strong>le</strong>s coordonnées <strong>de</strong>s<br />
bières sur <strong>le</strong>s configurations considérées. Le coefficient RV est un coefficient qui permet <strong>de</strong> mesurer la<br />
similarité entre <strong>de</strong>ux configurations. Il peut être interprété <strong>de</strong> façon équiva<strong>le</strong>nte à un coefficient <strong>de</strong><br />
corrélation (Escouffier, 1973), mais son test <strong>de</strong> significativité nécessite une procédure spécifique<br />
(Abdi, 2007).<br />
34