La science nécessite des mesures, mais elle nécessite aussi bien sûr une compréhension de ce que nous mesurons. La mesure seule ne nous mène pas très loin.
La science des émotions est un processus qui nécessite de mesurer les signaux générés par notre corps. Comme les émotions sont générées dans notre corps, il s’ensuit que les données s’y trouvent également. Le corps émet de nombreux signaux, et ceux-ci sont rarement de simples processus aléatoires – ils reflètent plutôt quelque chose sur notre état physiologique ou psychologique.
Discerner quels signaux suivre est alors un nouveau défi. Heureusement, de nombreux travaux ont déjà été réalisés dans ce domaine, – l’une des principales façons de mesurer l’éveil émotionnel est la détection de la réponse galvanique de la peau (GSR, autrement plus connue sous le nom d’activité électrodermique ou EDA).
La GSR fait référence à la variation de la conductance électrique de la peau en réponse à une sécrétion cutanée (souvent en quantités infimes). Ces données sont recueillies en appliquant une tension faible, indétectable et constante sur la peau, puis en mesurant la variation de la conductance de la peau . Cela peut être fait par l’application d’électrodes sur la peau (et bien sûr un appareil qui mesure cette activité).
Alors que l’activité GSR est également liée à la régulation de nos températures internes , la recherche a également montré à plusieurs reprises la forte association de ce signal avec l’éveil émotionnel . Les signaux qui sont produits par le système nerveux sympathique conduisent à un changement dans la réponse de conductance de la peau (SCR), qui est ce qui est généralement examiné par les chercheurs.
Qu’est-ce que le SCR / SCL?
Le SCR est proportionnellement lié au nombre de glandes sudoripares qui sont activées, ce qui signifie essentiellement que plus un individu est émotionnellement excité, plus la quantité de SCR est augmentée. On peut également en déduire que l’amplitude du SCR est un indicateur approprié de l’activité du système nerveux sympathique.
Le SCR est souvent appelé un « pic » d’activité (et donc un « pic GSR ») car il apparaît comme une augmentation rapide de la valeur du signal. Si le SCR apparaît en réponse à un stimulus (généralement dans un délai de 1 à 5 secondes ), on parle alors de SCR lié à un événement (ER-SCR), tandis que s’il apparaît sans cause discernable, on parle de SCR non spécifique (NS-SCR).
Bien que le SCR soit une composante de l’activité du GSR, il ne représente que le signal à variation rapide en réponse à un stimulus. L’autre composante est le niveau de conductance cutanée (SCL) tonique, continu et qui change lentement.
Un problème central de l’analyse des données du GSR est de savoir comment séparer ces deux signaux. Lorsque nous regardons les données, il n’y a pas de ligne claire qui délimite lequel est lequel ; nous devons effectuer ce calcul nous-mêmes. Ci-dessous, nous allons vous donner un walkthrough de l’une des façons les plus courantes de le faire, afin de vous donner une meilleure compréhension de ce qui se passe dans les coulisses de l’analyse des données GSR, et de vous donner une voie plus claire pour effectuer cela vous-même.
Pics GSR
Alors que les SCR sont rapides dans leur apparition, le signal qu’ils produisent prend plus de temps à décliner vers la ligne de base. Cela signifie finalement que si un autre SCR se produit peu de temps après un autre, alors les niveaux d’activité globaux du GSR augmenteront encore plus. Cet effet cumulatif peut conduire à une sous-estimation de l’amplitude du SCR, car le véritable « creux » (le début de l’augmentation de l’activité liée au SCR) est caché dans le lent déclin du pic d’activité précédent.
Pour contourner certains des impacts de cet effet, les données peuvent être filtrées afin de fournir une vision plus claire des processus. La première étape consiste à faire la moyenne des données. Pour ce faire, il faut diviser les données en fenêtres discrètes (par exemple, +/- 4 secondes), puis calculer la moyenne des valeurs présentes dans cette période. Cette moyenne peut ensuite être extraite des valeurs, pour donner une vue normalisée des données (en théorie, avec le signal de données toniques largement supprimé).
Une fois cette opération terminée, il est possible de supprimer une partie du bruit de fond du signal. Cela peut être dû au fait que l’appareil GSR est trop proche d’un ordinateur et capte par inadvertance des signaux électriques, par exemple. En appliquant un filtre passe-bas, dans lequel les valeurs doivent passer au-dessus d’un certain seuil, les valeurs de gamme inférieure du signal sont supprimées.
A la suite de cela, plusieurs paramètres peuvent être réglés afin de détecter avec précision l’existence d’un pic GSR. Il s’agit notamment de l’apparition et du décalage, du seuil d’amplification du pic et du seuil de saut du signal.
Les valeurs de l’apparition et du décalage de tout pic doivent être définies afin de déterminer la montée et la descente du signal. L’occurrence de l’onset et du décalage (en micro Siemens, µS) peut être créée afin de filtrer la direction du signal.
Cela se fait généralement en fixant l’onset à >0,1 µS (de sorte que seuls les signaux qui se déplacent au-dessus de cette valeur sont considérés comme un pic potentiel), tandis que le décalage est généralement fixé à <0.0 µS (de sorte que la valeur du signal doit diminuer, permettant la détection d’un pic, sinon une augmentation continue répondrait aux critères jusqu’ici).
Le seuil d’amplification du pic est réglé pour déterminer quelle valeur (généralement fixée à 0.05 µS) le pic doit passer au-dessus après le début afin d’être suivi comme un pic (et pas seulement une augmentation progressive des données).
Le seuil de saut de signal fonctionne comme une limite à la quantité d’amplification du pic – toute valeur qui passe au-dessus de ce seuil (par exemple 0.1 µS) d’un échantillon à l’autre est considérée comme une augmentation trop rapide pour refléter un véritable processus physiologique, et est donc écartée.
Avec ces limites fixées, un comptage des points de données devrait refléter le nombre de pics de GSR qui existent dans les données.
Les données peuvent également être agrégées entre les participants afin de donner une vision plus claire des effets de groupe potentiels. Comparer le nombre de pics GSR pourrait, par exemple, vous indiquer quel groupe a globalement montré une augmentation ou une diminution de l’éveil émotionnel en réponse à un stimulus.
Le processus ci-dessus est effectué essentiellement automatiquement dans iMotions (il suffit de cliquer sur l’analyse, et de changer les valeurs par défaut si nécessaire), ce qui réduit la charge de calculer cette analyse vous-même. Ceci est également facilement mis en œuvre au niveau d’un groupe, vous donnant une voie claire pour comprendre comment les niveaux d’éveil émotionnel peuvent différer entre les groupes.
Que peuvent vous dire ces données ?
Les données GSR peuvent fournir une mesure de la force d’une émotion vécue, mais pas la direction de l’émotion. Les augmentations de l’activité du GSR ont été directement liées à une variété d’états émotionnels, montrant l’importance de cette réponse physiologique dans l’expérience des émotions .
Déterminer la quantité d’occurrences du SCR fournit un moyen de quantifier les différences entre les individus ou les groupes, donnant un aperçu de la façon dont les réactions à différents stimuli pourraient se produire, ou si des variations existent entre les populations en réponse au même stimulus. Avec tout cela à l’esprit, nous pouvons commencer à vraiment comprendre ce que nous mesurons quand il s’agit d’émotions.
J’espère que ce post vous a apporté de nouvelles connaissances entourant les SCR, ainsi que le GSR en général. Pour obtenir une compréhension plus complète et approfondie, téléchargez notre guide gratuit ci-dessous.
Benedek, M., & Kaernbach, C. (2010). Une mesure continue de l’activité électrodermale phasique. Journal of Neuroscience Methods, 190(1), 80-91. doi:10.1016/j.jneumeth.2010.04.028
Fowles DC, Christie MJ, Edelberg R, Grings WW, Lykken DT, Venables PH. Recommandations de publication pour les mesures électrodermales. Psychophysiologie, 1981;18(3):232-9.
Wenger CB. Thermorégulation. In : Freedberg IM, Eisen AZ, Wolff K, Austen KF, Goldsmith LA, Katz SI, éditeurs. Dermatology in general medicine, 1. New York : McGraw-Hill ; 2003. p. 119-27.
Boucsein W. Activité électrodermique. New York : Plenum University Press ; 1992.
Critchley, H. (2002). Review : Les réponses électrodermales : What Happens in the Brain. The Neuroscientist, 8(2), pp.132-142.
Anders, S., Lotze, M., Erb, M., Grodd, W. et Birbaumer, N. (2004). Activité cérébrale sous-jacente à la valence et à l’éveil émotionnels : A response-related fMRI study. Human Brain Mapping, 23(4), pp.200-209.
Dawson ME, Schell AM, Filion DL. Le système électrodermique. In : Cacioppo JT, Tassinary LG, Berntson GG, éditeurs. Handbook of psychophysiology. Cambridge : University Press ; 2007. p. 159-81.
Kreibig, S. D. (2010). L’activité du système nerveux autonome dans l’émotion : A review. Biological Psychology, vol. 84, no. 3, p. 394-421.