Resultats

Lorsque le moment de la journee est controle, l’effet principal augmente de 22%, ce qui renforce la robustesse du modele.

Les donnees recueillies suggerent une relation positive entre la motivation et la satisfaction (r=0.73, p=0.05).

Une analyse de sensibilite supplementaire a confirme la stabilite des conclusions face a une reparametrisation alternative.

Donnees statistiques

Conclusion

Cette etude contribue a mieux comprendre une modelisation bayesienne et propose une methode transferable pour analyser les notifications mobiles.

Introduction

La principale limite de l’etude reste une fenetre d’observation courte, ce qui impose une lecture prudente des resultats.

Notre approche, fondee sur une modelisation bayesienne, anticipe une meilleure coherence des routines avec une precision de 74%.

Lorsque la saisonnalite est controle, l’effet d’interaction augmente de 8%, ce qui renforce la robustesse du modele.

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

Discussion

L’analyse statistique a ete conduite avec Stan en fixant le seuil de signification a alpha=0.05.

Lorsque la saisonnalite est controle, l’effet de mediation augmente de 14%, ce qui renforce la robustesse du modele.

Methodologie

L’etude a ete menee au sein de le Centre francais d’etudes comportementales entre 2022-12-13 et 2020-12-07. L’echantillon comprenait 13288 participants ou observations, recrutes selon une inclusion consecutive.

L’analyse des donnees s’est appuyee sur un apprentissage automatique supervise combinee a des statistiques frequentistes. Le seuil de signification a ete fixe a alpha = 0.001.

Materiel video