3.2.2. Outil de codification

Là aussi, nous étions bien démunis pour décoder nos interactions car nous ne possédions aucun outil adapté à notre recherche, capable de repérer toute la richesse de l’interaction.

Dans un premier temps, notre travail a porté sur la mise en place d’un outil fiable pour évaluer objectivement les interactions. Un logiciel (DynamicInterCoder) a été conceptualisé et développé spécialement pour cette recherche. Lors d’un séjour de trois mois à l’Université Laval à Québec, nous avons pu expérimenter le logiciel de codification des interactions « Coder 2 » d’Arvid Kappas (1995) couplant un magnétoscope à un ordinateur et une télévision (la figure 1 présente la différence existant entre « Coder 2 » et « DynamicInterCoder »). L’Université Lumière Lyon 2 ne possédant pas ce genre d’outil, il a fallu envisager la conception d’un prototype original et adapté à notre protocole. Notre logiciel, à partir d’un film vidéo, permet la visualisation et le codage des interactions directement sur l’ordinateur (la figure 2 présente l’écran de codage). Il intègre de même dans l’application les accords inter-juges, les statistiques ainsi que la dynamique des interactions.

Figure 1: différence entre Coder 2 et DynamicInterCoder

Figure 2 : écran de codage

Concernant les accords inter-juges :

La fonction utilisée dans notre logiciel est le test Kappa de Cohen (1960), test non paramétrique, qui permet de chiffrer l’accord entre deux observateurs lorsque les jugements sont qualitatifs. Lors de l’analyse des films d’interactions, afin de garantir la qualité du travail, une séance de « concordance » entre personnes codifiant les interactions a lieu et l’on estime le taux d’accords par le coefficient Kappa et l’on remédie aux désaccords (la figure 3 présente l’analyse du test Kappa affichée sur l’écran d’ordinateur).

Figure 3 : analyse dutest Kappa

• Concernant les statistiques :

Ces fonctions calculent des indices descriptifs qui peuvent être alors utilisés en statistique inductive. Elles permettent de calculer les fréquences, les durées, les temps moyens, les écarts-types des différents types d’événements ainsi que le couplage d’interactions de l’un des acteurs par rapport à l’autre (latences, différences, regroupement ou alternatives) (la figure 4 présente l’analyse statistique affichée sur l’écran d’ordinateur).

Figure 4 : analyses statistiques

• Concernant la dynamique de l’interaction :

Cette fonction permet d’étudier le jeu des acteurs. Ainsi, il est possible d’appréhender quel comportement de l’un entraîne tel comportement chez l’autre (axe synchronique). De plus, cette dynamique peut être évaluée en tenant compte de seuils de temps déterminés que l’on peut choisir parmi une échelle de 0,5 à 20 secondes. Ce seuil peut être directement vérifié sur les comportements que l’on veut étudier grâce à un graphique que l’on peut afficher sur l’écran.

Figure 5 : dynamique de l’interaction

Dans notre recherche, nous avons situé le seuil d’interactions entre les comportements de l’émetteur et les comportements du récepteur à 3 secondes. La figure 5 présente la dynamique de l’interaction émetteur-récepteur (les interactions se situent à la jonction des lignes et des colonnes).

Grâce à ce logiciel, les modes de communication choisis pour notre étude (verbal/oral, toucher, kinesthésie, regard) entre les partenaires de la dyade sont étudiés.

L’annexe 6.9 détaille cette dynamique en montrant tout d’abord l’algorythme de la détection d’un événement (annexe 6.9.1), puis l’algorythme de la détection des interactions (annexe 6.9.2) ainsi que quelques exemples d’interactions (annexe 6.9.3).