Dans une étude antérieure (Chambaron, Ginhac, Ferrel-Chapus & Perruchet, 2006), nous avons montré qu’il était difficile, voire impossible, de repérer et d’apprendre implicitement une régularité présente dans une tâche de poursuite continue. De tels résultats viennent contraster avec l’apparente facilité selon laquelle il est possible d’obtenir un apprentissage dans des tâches de TRS. Comment expliquer cette différence ? L’apprentissage en TRS est-il étroitement lié au matériel expérimental utilisé ? Afin de répondre à ces questions, nous avons modifié une tâche de TRS classique afin de la rendre la plus similaire possible à une tâche de poursuite continue, dans le but de voir quel était l’impact de ces modifications sur l’apprentissage : séquence répétée mêlée entre deux séquences aléatoires, utilisation d’une souris, ajout d’une contrainte de précision, déplacement autonome et « continu » de la cible. Les résultats indiquent que l’apprentissage continue à se manifester malgré les importantes variations méthodologiques introduites. In fine, l’ensemble de ces expériences apporte des éléments nouveaux en termes de procédure et de méthodologie à utiliser dans des tâches d’apprentissage implicite, et ouvre la voie vers de nouvelles recherches.
In a previous study, we have shown (Chambaron, Ginhac, Ferrel-Chapus & Perruchet, 2006) that it was very difficult to draw benefit from a repetition in a continuous tracking task. Such results contrast with the apparent facility according to which it is possible to obtain such learning in SRT tasks. How can this discrepancy be explained ? Is Learning in SRT tasks dependent of specific design used ?
We have modified a traditional SRT task in order to make this discrete task as similar as possible to a continuous task : 1) by mixing a repeated sequence between random sequences, 2) by using a computer mouse, 3) by adding a precision constraint, and 4) by making the displacement of the target autonomous and continuous. The goal was to investigate whether the implicit learning continued to appear with such modifications. The results show that implicit learning remains despite this major procedural variations. Our experiments represent a contribution of new procedures and open to a large array of future manipulations.