Biases in BCI experiments: Do we really need to balance stimulus properties across categories?
Le Brain Computer Interfaces (BCI) permet d’analyser des expressions de la communication humaine, telles que la voix, les gestes, ou même les signaux cérébraux enregistrés par un électroencéphalogramme (EEG). Cette méthode, basée sur un algorithme qui permet de classer les signaux d’entrée selon leur correspondance à des catégories prédéfinies spécifiques à la tâche, a pu être appliquée, entre autres, à des données récoltées au sein de notre laboratoire par Erika Wauthia et Aurélie Miceli avec une tâche d’amorçage. Cette tâche, adressée à des jeunes adultes, leur demandait de juger si une image représentait un objet manufacturé ou naturel. Cette tâche a pour vocation d’évaluer la structure de la mémoire sémantique selon une organisation intégrant les liens thématiques et taxonomiques entre les concepts.
Cette recherche est le fruit de la collaboration entre plusieurs services de recherche de l’UMONS ; l’ISIA Lab, Numediart Institute (Luca La Fisca, Virginie Vandenbulcke et Bernard Gosselin), le PCN, service de Psychologie Cognitive et Neuropsychologie (Erika Wauthia, Aurélie Miceli, Isabelle Simoes Loureiro et Laurent Lefebvre) et le département de neurosciences (Laurence Ris), mais aussi avec la Neurobiology Research Unit du Copenhagen University Hospital.
Un article passionnant donc, à la rencontre des méthodes du Numédiart Institute et des besoins d’analyse récoltés auprès des participants lors de la recherche en sciences psychologiques.
