5-2 Simulations des données de l’expérience 1

Selon le modèle CLIP, un mot est reconnu (1) lorsque toutes ses lettres ont été identifiées (CLIP total), ou bien, (2) à partir de quelques lettres (CLIPs partiels), via une procédure d’inférence lexicale. Un pseudomot ne peut pas être « inféré » ou « récupéré » à partir d’une information partielle car il ne possède pas de représentation lexicale en tant que telle. Par conséquent, la probabilité théorique d’identifier un pseudomot ne peut être estimée que par la probabilité d’identifier toutes les lettres qui le composent (i.e., CLIP total).

Dans un premier temps, nous allons estimer les « facteurs visuels » du modèle à partir des données empiriques obtenues pour les pseudomots au cours de l’expérience 1. Plus précisément, nous allons calculer la probabilité d’occurrence du CLIP total, en ajustant le paramètre du taux de diminution de lisibilité des lettres (br) afin d’obtenir un écart minimum entre la forme des courbes théoriques et des courbes empiriques (procédure utilisée par Nazir et al., 1998, cf paragraphe 4-1). Puis, nous allons calculer la probabilité d’occurrence des CLIPs partiels, en conservant la valeur du paramètre visuel (br) obtenue pour la simulation des pseudomots. Ces CLIPs partiels seront alors combinés aux mesures de la contrainte lexicale afin de rendre compte de l’EPR dans les mots.

Deux types de mesures statistiques vont être testés afin d’estimer la contrainte lexicale (1) le nombre de « voisins CLIP » conformément à la proposition de Kajii (2000), c’est-à-dire le nombre de mots partageant les mêmes lettres que le CLIP partiel aux mêmes positions (codage absolu de la position des lettres) et, (2) le nombre de « voisins CLIP » utilisant un codage de la position des lettres relatif, parallèlement à Stevens et Grainger (2003).