• Чт. Май 21st, 2026

Systemique architecture du sommeil : les proprietes emergentes de la charge mentale dans contraintes temporelles

Автор:khozyain_dom

Май 21, 2026

Introduction

Une analyse de sensibilite supplementaire a confirme la stabilite des conclusions face a un bootstrap robuste.

Fait notable, une variance accrue n’apparait que dans le sous-groupe les profils fortement multitaches, ce qui laisse entrevoir une meilleure stratification des profils.

Fait notable, une reponse bimodale n’apparait que dans le sous-groupe les profils fortement multitaches, ce qui laisse entrevoir une meilleure stratification des profils.

L’analyse statistique a ete conduite avec Python/scipy en fixant le seuil de signification a alpha=0.01.

Donnees statistiques

Variable 1 Variable 2 rho n Lecture
la charge cognitive la creativite 4.8 7 mediee
la charge cognitive l’anxiete 8.5 5 association secondaire
la creativite l’anxiete 7.7 8 faible liaison

Methodologie

L’etude a ete menee au sein de la Maison de la recherche appliquee sur les routines entre 2020-10-13 et 2021-02-10. L’echantillon comprenait 15160 participants ou observations, recrutes selon un recrutement par quotas.

L’analyse des donnees s’est appuyee sur un modele causal combinee a un codage qualitatif. Le seuil de signification a ete fixe a alpha = 0.05.

Conclusion

Bien que la taille d’effet demeure moderee (f = 0.39), elle peut produire des gains concrets pour la planification du travail.

Resume : Nous avons egalement examine un artefact de mesure, mais cette hypothese n’a pas recu d’appui empirique convaincant.

Discussion

Une analyse de sensibilite supplementaire a confirme la stabilite des conclusions face a un bootstrap robuste.

Les resultats s’accordent avec les modeles de regulation cognitive tout en divergeant de Martin et al., 2024.

Materiel video

Figure 1. Visualisation du processus cle (source : captation de l’auteur)

Resultats

Nous avons egalement examine un artefact de mesure, mais cette hypothese n’a pas recu d’appui empirique convaincant.

Notre approche, fondee sur une analyse de reseau, anticipe une meilleure coherence des routines avec une precision de 89%.