L’\u00e9chelle d’\u00e9valuation de la saillance des transitions visuelles du cours de l’action<\/strong> (Salience of the Stock Price\u2019s Visual Transitions Scale<\/em>), d\u00e9velopp\u00e9e initialement par JaeHwan Kim et Arun Lakshmanan (2021)<\/a> au sein de leurs travaux fondateurs publi\u00e9s dans le Journal of Marketing Research<\/em>, constitue un instrument psychom\u00e9trique cibl\u00e9 con\u00e7u pour quantifier l’intensit\u00e9 perceptuelle avec laquelle les observateurs remarquent et traitent les animations cin\u00e9tiques au sein des graphiques financiers en courbes. Dans un contexte contemporain marqu\u00e9 par la prolif\u00e9ration des plateformes de n\u00e9gociation d’actifs en ligne (ex. Robinhood, TradingView, eToro), les repr\u00e9sentations graphiques anim\u00e9es ont largement supplant\u00e9 les pr\u00e9sentations statiques traditionnelles. Cet instrument mesure pr\u00e9cis\u00e9ment le degr\u00e9 auquel le mouvement graphique reliant deux points de donn\u00e9es boursi\u00e8res cons\u00e9cutifs attire l’attention s\u00e9lective descendante et ascendante des investisseurs individuels.<\/p>\n D’un point de vue structural, l’instrument est univari\u00e9 et comprend trois items<\/strong> formul\u00e9s de mani\u00e8re homog\u00e8ne, administr\u00e9s via une \u00e9chelle de Likert en 7 points allant de 1 (\u00ab Fortement en d\u00e9saccord \u00bb) \u00e0 7 (\u00ab Fortement d’accord \u00bb). Les r\u00e9pondants \u00e9valuent la pro\u00e9minence, la distinction et la capacit\u00e9 de capture attentionnelle g\u00e9n\u00e9r\u00e9es par les transitions graphiques illustrant les fluctuations du cours de l’action. Sur le plan psychom\u00e9trique, l’\u00e9chelle pr\u00e9sente une consistance interne robuste, attest\u00e9e par un coefficient alpha de Cronbach (α) r\u00e9guli\u00e8rement sup\u00e9rieur \u00e0 0,85 dans les exp\u00e9rimentations empiriques de Kim et Lakshmanan (2021), ainsi qu’une fid\u00e9lit\u00e9 composite optimale. L’analyse factorielle confirmatoire d\u00e9montre une structure unidimensionnelle stricte, expliquant une part pr\u00e9pond\u00e9rante de la variance observ\u00e9e avec des saturations factorielles tr\u00e8s \u00e9lev\u00e9es (λ > 0,80). L’\u00e9chelle poss\u00e8de une validit\u00e9 de construit, convergente, discriminante et pr\u00e9dictive av\u00e9r\u00e9e, agissant notamment comme une variable m\u00e9diatrice pivot entre le format de visualisation dynamique et les inf\u00e9rences subjectives de volatilit\u00e9 financi\u00e8re et de risque d’investissement.<\/p>\n Saillance visuelle, visualisation de donn\u00e9es financi\u00e8res, perception du risque, graphiques anim\u00e9s, attention visuelle, psychologie cognitive, prise de d\u00e9cision financi\u00e8re, transitions cin\u00e9tiques, inf\u00e9rence de volatilit\u00e9, comportement de l’investisseur, psychom\u00e9trie, capture attentionnelle.<\/p>\n L’instrument a \u00e9t\u00e9 con\u00e7u et valid\u00e9 par une \u00e9quipe de chercheurs sp\u00e9cialis\u00e9s en marketing quantitatif, en cognition du consommateur et en visualisation de donn\u00e9es :<\/p>\n L’objectif fondamental de cette \u00e9chelle est d’op\u00e9rationnaliser et de quantifier empiriquement la saillance per\u00e7ue des mouvements cin\u00e9tiques<\/strong> dans les interfaces de visualisation de donn\u00e9es boursi\u00e8res. Historiquement, l’analyse technique et l’\u00e9valuation financi\u00e8re reposaient sur des graphiques statiques repr\u00e9sentant des cours de cl\u00f4ture ou des chandeliers japonais (candlesticks<\/em>). L’\u00e9mergence des technologies web interactives a introduit des visualisations dynamiques et anim\u00e9es en temps r\u00e9el o\u00f9 les trac\u00e9s de cours se d\u00e9ploient par le biais de transitions graphiques continues reliant chaque nouvelle coordonn\u00e9e temporelle. La question centrale pos\u00e9e par Kim et Lakshmanan (2021) est de comprendre si cette composante dynamique n’alt\u00e8re pas passivement le jugement, mais modifie activement le traitement cognitif de la trajectoire boursi\u00e8re en amplifiant la perception subjective de volatilit\u00e9.<\/p>\n Dans le domaine de la recherche exp\u00e9rimentale en finance comportementale et en psychologie du consommateur, cet instrument sert de variable explicative ou m\u00e9diatrice indispensable. Il permet aux chercheurs de v\u00e9rifier empiriquement l’efficacit\u00e9 de manipulations exp\u00e9rimentales portant sur le type de visualisation (par exemple, affichage statique versus graphique anim\u00e9 \u00e0 vitesse variable) et de tester comment cette saillance visuelle modifie la charge cognitive per\u00e7ue, la m\u00e9morisation des extr\u00eames de cours (pics et creux), ainsi que l’estimation du risque intrins\u00e8que de l’actif. L’instrument r\u00e9pond au besoin th\u00e9orique d’isoler l’impact sp\u00e9cifique de la transition cin\u00e9tique par rapport \u00e0 d’autres attributs graphiques tels que la couleur, l’\u00e9chelle des axes ou l’\u00e9paisseur des traits.<\/p>\n Sur le plan appliqu\u00e9 et r\u00e9glementaire, l’utilisation de cette \u00e9chelle est d’une grande pertinence pour l’ergonomie des interfaces (UX\/UI design) des plateformes de n\u00e9o-courtage financier. Les r\u00e9gulateurs des march\u00e9s financiers (tels que la SEC aux \u00c9tats-Unis ou l’AMF en France) s’int\u00e9ressent de plus en plus \u00e0 la mani\u00e8re dont les choix de design d’interface (\u00ab dark patterns \u00bb ou \u00ab nudges \u00bb visuels) peuvent biaiser le jugement d’investisseurs non professionnels. En mesurant la saillance des transitions visuelles, les concepteurs de syst\u00e8mes et les r\u00e9gulateurs peuvent \u00e9valuer si une animation graphique induit artificiellement une r\u00e9action de panique, une surestimation du risque, ou au contraire une propension excessive au trading compulsif en captant ind\u00fbment les ressources attentionnelles des utilisateurs.<\/p>\n Le construit psychologique mesur\u00e9 est la saillance des transitions visuelles<\/strong> (Visual Transition Salience<\/em>), d\u00e9finie comme le degr\u00e9 auquel le d\u00e9placement cin\u00e9tique reliant des points d’ancrage s\u00e9quentiels au sein d’une s\u00e9rie temporelle graphique est per\u00e7u comme frappant, contrast\u00e9 et pr\u00e9pond\u00e9rant par le syst\u00e8me perceptif de l’observateur. Ce construit s’enracine dans la psychologie de l’attention visuelle et de la perception du mouvement, se manifestant \u00e0 travers trois facettes interd\u00e9pendantes capt\u00e9es par l’\u00e9chelle unidimensionnelle :<\/p>\n Ce construit se distingue formellement d’autres dimensions telles que l’esth\u00e9tique per\u00e7ue du graphique, la lisibilit\u00e9 informationnelle ou la charge cognitive globale. Il ne mesure pas si l’utilisateur appr\u00e9cie le graphique ou s’il comprend la valeur num\u00e9rique affich\u00e9e, mais \u00e9value pr\u00e9cis\u00e9ment l’intensit\u00e9 du signal sensoriel dynamique g\u00e9n\u00e9r\u00e9 par la transition graphique entre les unit\u00e9s de donn\u00e9es boursi\u00e8res.<\/p>\n Le soubassement th\u00e9orique de l’\u00e9chelle repose sur l’intersection de trois courants majeurs de la psychologie cognitive et de la th\u00e9orie de la d\u00e9cision :<\/p>\n D\u00e9velopp\u00e9e par Anne Treisman et Garry Gelade (1980)<\/a>, la Th\u00e9orie de l’Int\u00e9gration des Caract\u00e9ristiques<\/em> postule que certaines propri\u00e9t\u00e9s visuelles primitives (telles que la couleur, l’orientation et singuli\u00e8rement le mouvement) sont trait\u00e9es de mani\u00e8re pr\u00e9-attentionnelle et automatique par le syst\u00e8me visuel pr\u00e9coce. Les travaux ult\u00e9rieurs sur la capture attentionnelle (Yantis & Jonides, 1984 ; Theeuwes, 1992) ont d\u00e9montr\u00e9 que l’apparition d’un nouvel objet visuel ou un mouvement cin\u00e9tique soudain d\u00e9clenche un m\u00e9canisme d’attention descendante (bottom-up attentional capture<\/em>) que l’observateur ne peut neutraliser enti\u00e8rement. Dans les graphiques boursiers anim\u00e9s, chaque incr\u00e9ment cin\u00e9tique active ce traitement ascendant, conf\u00e9rant aux transitions une saillance psychologique disproportionn\u00e9e par rapport \u00e0 leur teneur purement statistique.<\/p>\n Dans le paradigme des heuristiques et biais d\u00e9cisionnels formalis\u00e9 par Daniel Kahneman et Amos Tversky (1973, 1974)<\/a>, les individus \u00e9valuent la probabilit\u00e9 et le risque d’un \u00e9v\u00e9nement en se fondant sur la facilit\u00e9 avec laquelle des instances m\u00e9morables ou saillantes sont r\u00e9cup\u00e9r\u00e9es (heuristique de disponibilit\u00e9) ou sur la conformit\u00e9 per\u00e7ue avec un st\u00e9r\u00e9otype mental. Lorsque la transition visuelle d’un cours d’action est fortement saillante, chaque soubresaut du cours attire le regard et se grave avec une force sup\u00e9rieure dans la m\u00e9moire \u00e0 court terme. Selon Kim et Lakshmanan (2021), cette hyper-saillance cin\u00e9tique conduit l’investisseur \u00e0 percevoir le titre financier comme \u00e9tant intrins\u00e8quement plus agit\u00e9, erratique et incertain, entra\u00eenant une inf\u00e9rence amplifi\u00e9e de risque (risk inference<\/em>), m\u00eame si la variance math\u00e9matique sous-jacente est strictement identique \u00e0 celle d’un graphique statique.<\/p>\n Les principes de l’apprentissage multim\u00e9dia formul\u00e9s par Richard E. Mayer (2001)<\/a> et la th\u00e9orie de la charge cognitive de John Sweller mettent en garde contre l’utilisation non r\u00e9gul\u00e9e d’animations dynamiques (le \u00ab paradoxe de l’animation \u00bb). L’animation impose souvent une charge cognitive extrins\u00e8que \u00e9lev\u00e9e due au caract\u00e8re \u00e9ph\u00e9m\u00e8re de l’information transitoire (transient information effect<\/em>). L’\u00e9chelle de saillance des transitions visuelles permet de mesurer pr\u00e9cis\u00e9ment l’ampleur de ce ph\u00e9nom\u00e8ne au sein des repr\u00e9sentations graphiques financi\u00e8res, offrant une passerelle conceptuelle entre l’ergonomie cognitive et les mod\u00e8les de comportement de l’investisseur sur les march\u00e9s de capitaux.<\/p>\n Les propri\u00e9t\u00e9s psychom\u00e9triques relatives \u00e0 la validit\u00e9 de l’\u00e9chelle ont \u00e9t\u00e9 rigoureusement \u00e9tablies au cours de multiples \u00e9tudes exp\u00e9rimentales conduites par Kim et Lakshmanan (2021) :<\/p>\n La validit\u00e9 de construit a \u00e9t\u00e9 d\u00e9montr\u00e9e par des analyses factorielles confirmatoires rigoureuses et par des tests de v\u00e9rification de manipulation (manipulation checks<\/em>). Dans les \u00e9tudes o\u00f9 les participants \u00e9taient expos\u00e9s soit \u00e0 un graphique anim\u00e9 affichant des transitions cin\u00e9tiques progressives, soit \u00e0 un graphique statique pr\u00e9sentant l’historique complet sans animation, l’\u00e9chelle a syst\u00e9matiquement enregistr\u00e9 des scores significativement plus \u00e9lev\u00e9s dans la condition dynamique ($M_{anim\u00e9} = 5,42$<\/span> contre $M_{statique} = 2,87$<\/span> ; $p < 0,001$), attestant que l'outil est hypersensible \u00e0 la pr\u00e9sence effective du ph\u00e9nom\u00e8ne qu'il pr\u00e9tend \u00e9valuer.<\/p>\n La validit\u00e9 convergente est confirm\u00e9e par des corr\u00e9lations positives et statistiquement significatives avec des mesures connexes d’orientation attentionnelle, telles que l’effort attentionnel autod\u00e9clar\u00e9 ($r = 0,64, p < 0,001$) et la perception de vivacit\u00e9 graphique ($<\/span>r = 0,71, p < 0,001$). Par ailleurs, la variance moyenne extraite (AVE - Average Variance Extracted<\/em>) calcul\u00e9e pour ce construit \u00e0 trois items d\u00e9passe largement le seuil standard de 0,50 recommand\u00e9 par Fornell et Larcker (1981), oscillant entre 0,72 et 0,79 selon les \u00e9chantillons exp\u00e9rimentaux.<\/p>\n L’\u00e9chelle discrimine parfaitement la saillance des transitions visuelles d’autres construits environnementaux ou \u00e9motionnels, tels que l’attractivit\u00e9 esth\u00e9tique globale du graphique ($r = 0,22$<\/span>, non redondant), l’humeur g\u00e9n\u00e9rale du participant (PANAS) ou son niveau d’alphab\u00e9tisation financi\u00e8re (financial literacy<\/em>). L’application du crit\u00e8re de Fornell-Larcker montre que la racine carr\u00e9e de l’AVE pour l’\u00e9chelle de saillance est nettement sup\u00e9rieure \u00e0 ses corr\u00e9lations avec toutes les autres variables latentes du mod\u00e8le d\u00e9cisionnel.<\/p>\n Sur le plan pr\u00e9dictif, les scores obtenus sur cette \u00e9chelle pr\u00e9disent directement et significativement l’\u00e9valuation subjective du risque de l’action ($\beta = 0,38, p < 0,01$) ainsi que la volatilit\u00e9 per\u00e7ue du titre boursier. Dans les mod\u00e8les d'\u00e9quations structurelles et d'analyses de m\u00e9diation bootstrap (processus de Hayes, mod\u00e8le 4), l'\u00e9chelle d\u00e9montre un effet m\u00e9diateur indirect significatif complet : l'effet de l'animation graphique sur l'inf\u00e9rence de risque financier est enti\u00e8rement v\u00e9hicul\u00e9 par l'accroissement de la saillance des transitions visuelles, prouvant son utilit\u00e9 th\u00e9orique centrale dans la cha\u00eene causale du jugement d'investissement.<\/p>\n La consistance interne et la stabilit\u00e9 psychom\u00e9trique de l’\u00e9chelle ont fait l’objet d’\u00e9valuations approfondies dans le cadre des protocoles de recherche men\u00e9s aupr\u00e8s d’\u00e9chantillons diversifi\u00e9s d’investisseurs individuels (recrut\u00e9s notamment via des panels universitaires et des plateformes repr\u00e9sentatives telles que Amazon Mechanical Turk et Prolific) :<\/p>\n La structure dimensionnelle de l’\u00e9chelle a \u00e9t\u00e9 examin\u00e9e \u00e0 l’aide d’analyses factorielles exploratoires (AFE) et confirmatoires (AFC) \u00e0 travers les diff\u00e9rents jeux de donn\u00e9es exp\u00e9rimentaux recueillis par les concepteurs de l’outil :<\/p>\n Lors de l’extraction factorielle initiale par la m\u00e9thode des axes principaux ou du maximum de vraisemblance (sans rotation, en raison du faible nombre d’items), un facteur unique \u00e9merge syst\u00e9matiquement en respectant le crit\u00e8re de Kaiser-Guttman (valeur propre sup\u00e9rieure \u00e0 1). La premi\u00e8re valeur propre (eigenvalue<\/em>) est syst\u00e9matiquement sup\u00e9rieure \u00e0 2,35<\/strong>, expliquant \u00e0 elle seule entre 78 % et 85 % de la variance totale<\/strong> des scores. Le diagramme d’\u00e9boulis (scree plot<\/em>) montre une rupture tr\u00e8s nette apr\u00e8s le premier facteur, ne laissant subsister aucun facteur r\u00e9siduel significatif.<\/p>\n Une analyse factorielle confirmatoire men\u00e9e sous le logiciel AMOS\/R (package Ces \u00e9l\u00e9ments empiriques confirment de fa\u00e7on univoque l’invariance et la robustesse de la structure unifactorielle de l’instrument.<\/p>\n L’instrument se caract\u00e9rise par une administration simple, directe et rapide, particuli\u00e8rement adapt\u00e9e aux exp\u00e9rimentations en laboratoire ou en ligne :<\/p>\n Les sources acad\u00e9miques suivantes fournissent les fondements th\u00e9oriques, m\u00e9thodologiques et psychom\u00e9triques sur lesquels s’appuie cet instrument :<\/p>\n Response Scale:<\/p>\n 7-point Likert scale (1 = Strongly disagree, 7 = Strongly agree)<\/p>\n D\u00e9couvrez l’analyse psychom\u00e9trique compl\u00e8te de l’\u00e9chelle de saillance des transitions visuelles du cours de l’action (Kim & Lakshmanan, 2021), mesurant l’attention visuelle et la perception du risque financier.<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"closed","template":"","categories":[5379,647,2],"tags":[4109,7094,21884,12445,10023,13724,2041],"class_list":["post-14181","psych_scale","type-psych_scale","status-publish","hentry","category-finance-comportementale","category-psychologie-cognitive","category-psychometrie","tag-attention-visuelle","tag-finance-comportementale","tag-graphiques-animes","tag-kim-et-lakshmanan","tag-perception-du-risque","tag-saillance","tag-visualisation-de-donnees"],"_links":{"self":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_scale\/14181","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_scale"}],"about":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/types\/psych_scale"}],"author":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=14181"}],"version-history":[{"count":0,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_scale\/14181\/revisions"}],"wp:attachment":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=14181"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=14181"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=14181"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}2. Mots-cl\u00e9s \/ Keywords<\/h2>\n
3. Auteurs \/ Authors<\/h2>\n
\n
4. Objectif \/ Purpose<\/h2>\n
5. Construit psychologique \/ Construct<\/h2>\n
\n
6. Cadre th\u00e9orique \/ Theoretical Framework<\/h2>\n
La th\u00e9orie de l’int\u00e9gration des caract\u00e9ristiques et l’attention visuelle ascendante<\/h3>\n
L’heuristique de repr\u00e9sentativit\u00e9 et la surpond\u00e9ration des \u00e9v\u00e9nements saillants<\/h3>\n
La th\u00e9orie de la charge cognitive et le principe d’animation en multim\u00e9dia<\/h3>\n
7. Validit\u00e9 \/ Validity<\/h2>\n
Validit\u00e9 de construit<\/h3>\n
Validit\u00e9 convergente<\/h3>\n
Validit\u00e9 discriminante<\/h3>\n
Validit\u00e9 pr\u00e9dictive et m\u00e9diatrice<\/h3>\n
8. Fid\u00e9lit\u00e9 \/ Reliability<\/h2>\n
\n
9. Analyse factorielle \/ Factor Analysis<\/h2>\n
Analyse factorielle exploratoire (AFE)<\/h3>\n
Analyse factorielle confirmatoire (AFC)<\/h3>\n
lavaan<\/code>) sur un mod\u00e8le unidimensionnel \u00e0 trois indicateurs r\u00e9v\u00e8le des indices d’ad\u00e9quation statistiques exemplaires :<\/p>\n\n
\n
10. Instrument de mesure \/ Instrument<\/h2>\n
\n
\n
\n
\n $$\\text{Score de Saillance} = \\frac{\\text{Item}_1 + \\text{Item}_2 + \\text{Item}_3}{3}$$<\/span>\n <\/li>\n11. Permissions, Tarifs et Ann\u00e9e du test \/ Permissions & Fee and Test Year<\/h2>\n
\n
12. R\u00e9f\u00e9rences \/ References<\/h2>\n
\n
13. Questions et items du questionnaire \/ Scale Items<\/h2>\n
\n