The social transfer function : a system-identification approach to studying social contingency

La capacité à détecter la contingence sociale, c’est-à-dire à reconnaître qu’un comportement est la conséquence sociale d’un autre comportement, est considérée comme cruciale dans le développement de la cognition sociale. En effet, cette capacité est un mécanisme nécessaire pour des fonctions cognitives telles que l’attention conjointe, la tenue de tour de parole ou la théorie de l’esprit (Frith and Frith, 2012). Cependant, alors que les mécanismes qui permettent de reconnaitre une agentivité biologique dans le mouvement d’un seul individu sont désormais relativement bien compris (Neri et al., 1998), nous savons encore très peu sur la manière dont le cerveau perçois la causalité temporelle socialement significative dans les interactions entre deux personnes : quelle exacte prédiction temporelle, de quel signal expressif précisément, doit être réfutée pour que l’observateur d’une interaction sociale décide qu’elle n’est pas tout à fait correcte ?Dans cette thèse, nous développons le concept de «fonction de transfert sociale », une représentation cognitive qui, nous le proposons, permet aux observateurs d’interactions de prédire comment les signaux d’un agent influenceront le backchanneling de l’autre agent au fil du temps. Opérationnalisées à l’aide d’algorithmes simples tirés de la littérature automaticienne sur l’identification des systèmes, ces fonctions de transfert sociales fournissent un modèle computationnel de ce qui constitue la contingence sociale. Nous montrons que 1) les observateurs peuvent distinguer de manière fiable les comportements contingents authentiques des comportements manipulés, même lorsque les stimuli sont fortement dégradés, et 2) qu’ils s’appuient de manière causale sur le lien entre la parole d’un locuteur et les signaux provenant de la bouche et des yeux d’un auditeur. En outre, nous caractérisons les représentations internes des observateurs des sourires contingents en réponse à la parole comme des fonctions de transfert sociales et, à l’aide d’une technique de "corrélation inverse", nous les extrayons de façon purement "basée données". Nous concluons que les fonctions de transfert sociales peuvent être utilisées pour opérationnaliser les représentations internes de la contingence sociale des observateurs, qu’elles peuvent être apprises à partir de données, et qu’elle permettent de faire des prédictions qui peuvent être testées quantitativement. Ce travail ouvre de nouvelles perspectives de recherche en quantifiant la dynamique conversationnelle et permet ainsi d’étudier comment cette dynamique est modulée dans les troubles affectant la communication, tels que les troubles du spectre autistique, ainsi que dans différentes cultures et différents contextes conversationnels.