QALMRI VISAGES

Dimitri Andjelkovic, Karen Rahal, Jeanne Fabert,Pauline Brochain-Destais, José De Souza, Ioualitene Chloé

QALMRI Les Visages

6. Inférences

5. Résultats

4. Méthode

3. Logiques

2. Alternatives

1. Questions

Index

Contexte général :

• Importance du développement cognitif durant les premières années de vie.
• Influence croissante des écrans dans l’environnement des jeunes enfants.
• Particularité des visages fictifs en 3D (exagération, mouvements artificiels).

Introduction

Quelles différences observe-t-on dans les capacités de perception des visages entre des jeunes peu exposés aux écrans dans leur enfance et jeunes fortement exposés aux visages fictifs en 3D ?

Dans quelle mesure l’exposition aux écrans, dès les premières années de vie, modifie-t-elle les processus de développement chez les jeunes ?

Question spécifique :

Question générale :

Questions

Alternative 1 : Les capacités de perception des visages d’enfants exposés fortement aux écrans changent par rapport à celle d'enfants qui ne l’ont pas été.

Recognition of Masked Faces in the Era of the Pandemic Constat Rigidité du système de traitement des visages : Adaptation limitée : Même avec une exposition prolongée, le traitement des visages peine à s’ajuster aux changements visuels dans les stimuli (par exemple, visages modifiés). Déficit persistant Reconnaissance des visages masqués : Les capacités de reconnaissance des visages masqués restent altérées. Cela démontre une limitation fonctionnelle durable malgré l’exposition continue à ces types de visages. Interprétation Spécificité du traitement facial : Le système semble optimisé pour des configurations visuelles standard des visages naturels. Difficulté à généraliser aux visages modifiés ou masqués.

Recognition Profile of Emotions in Natural and Virtual Faces Constat Diminution de la reconnaissance des émotions : Visages virtuels : Effet observé avec l’âge (chez les plus âgés). Visages naturels : Pas d’effet significatif. Interprétation Effet spécifique de l’âge : L'exposition aux médias semble jouer un rôle dans la perception des visages virtuels. Chez les participants de 20 ans, reconnaissance des visages virtuels aussi efficace que pour les visages naturels. Hypothèse Adaptation progressive : Les jeunes adultes auraient une meilleure familiarité ou exposition prolongée aux médias numériques, favorisant leur performance sur les visages virtuels. Nécessité d'étudier l’influence des types et fréquences d’exposition médiatique.

Alternatives

Alternative 2 : Les capacités de perception des visages d’enfants exposés fortement aux écrans ne changent pas par rapport à celles d'enfants qui ne l’ont pas été.

Si l’exposition aux écrans n’a pas d’impact sur les capacités de perception des visages, alors les jeunes exposés et non exposés obtiendront des performances similaires et auront alors un taux de bonnes réponses similaire dans la reconnaissance des visages fictifs.

Si les capacités de perception des visages des jeunes fortement exposés aux écrans diffèrent de celles des jeunes non exposés, alors les jeunes non exposés auront plus de difficulté à reconnaître les visages fictifs et auront en conséquence moins de bonnes réponses.

Logique 2 :

OU

Logique 1 :

Logiques

Méthode ?

Participants : 25 jeunes non exposés VS 25 exposés Age : 11-18 ans moyenne. Sexe : 24 hommes 26 femmes

Matériel et stimulis

Matériel : 30 visages : 15 fictifs (animations 3D). 15 réels (photographies). Parmi eux, 14 modifiés selon l’effet Thatcher (yeux, nez, bouche retournés), soit 7 visages modifiés par catégorie.

Objectif : Identifier des enfants exposés ou non aux écrans. Moyen : Questionnaire en ligne (Google Forms), diffusé via les réseaux sociaux et dans les facultés. Consentement : Recueil du consentement parental et des enfants via une fiche dédiée

Pré-test

Type d'expérience : Intra-participants (les mêmes enfants évaluent toutes les conditions). Matériel : 30 visages : 15 fictifs (animations 3D). 15 réels (photographies). Parmi eux, 14 modifiés selon l’effet Thatcher (yeux, nez, bouche retournés), soit 7 visages modifiés par catégorie.

Protocole expérimentale

1. Visages fictifs = 3D
2. Generation des visages fictifs et découpages des visages réels par IA
3. Intra participants
4. Ordre aléatoire
5. Ratio H/F
6. Bonne acuité visuelle

Variables contrôlées

VD: le nombre de bonnes réponses dans chaque catégorie (réel ou fictif) plan d’analyse par sujet : S25<V2*S2>*E2

Variables dépendantes

VI 1: Exposition aux écrans : 2 modalités (oui ou non) VI 2: Visage : 2 modalités (Usage réel ou usage fictif) VI 3: Statut du visage : 2 modalités (modifié ou intact)

Variable Indépendantes

Les différentes variables

H1: Les jeunes qui n'ont pas été exposés aux écrans auront moins de bonnes réponses dans la catégorie “visages fictifs” que les jeunes qui ont été exposés aux écrans. H0: Les jeunes auront tous plus de bonnes réponses lorsque les visages ne sont pas modifiés. H interaction: Les jeunes qui n’ont pas été exposés aux écrans auront plus de mal à reconnaître les visages fictifs et cela sera encore plus marqué lorsque ceux-ci sont modifiés.

HYPOTHESES OPERATIONELLES

Résultats

Facteur principal → Statut du Visage

Facteur principal → Type de Visage

Résultats

Résultats

Alternative 1 Validée

Inférences

Élargir l’échantillon : Étudier les effets chez des enfants plus jeunes pour mieux comprendre l'impact d'une exposition précoce. Approfondir les types de visages virtuels : Analyser les différences entre visages 2D, 3D, animés ou réalistes, et leurs impacts sur : La reconnaissance des visages réels. L’évolution après la période critique de développement.

Échantillon restreint : Étude concentrée sur les 11-18 ans, limitant la généralisation à d'autres tranches d'âge. Variabilité non contrôlée : Types de contenus visionnés. Durée et modalités d'exposition aux écrans.

Perspectives

Limites

Versus

Freud, E., Di Giammarino, D., Stajduhar, A., Rosenbaum, R. S., Avidan, G., & Ganel, T. (2022). Recognition of masked faces in the era of the pandemic: No improvement despite extensive natural exposure. Psychological Science, 33(10), 1635-1650.

Dyck, M., Winbeck, M., Leiberg, S., Chen, Y., Gur, R. C., & Mathiak, K. (2008). Recognition profile of emotions in natural and virtual faces. PloS one, 3(11), e3628.

Bibliographie

Nous sommes ouverts à toutes questions.

Merci de votre écoute!

Got an idea?

Use this space to add awesome interactivity. Include text, images, videos, tables, PDFs... even interactive questions! Premium tip: Get information on how your audience interacts with your creation:

• Visit the Analytics settings;
• Activate user tracking;
• Let the communication flow!

Got an idea?

Use this space to add awesome interactivity. Include text, images, videos, tables, PDFs... even interactive questions! Premium tip: Get information on how your audience interacts with your creation:

• Visit the Analytics settings;
• Activate user tracking;
• Let the communication flow!