Déterminants de l'intentionnalité perçue et de l'action face à des trajectoires visuelles incertaines // Determinants of perceived intentionality and action in response to uncertain visual trajectories

La nuit, lorsque vous observez une voiture qui s'approche en zigzaguant de manière erratique, plusieurs possibilités vous viennent à l'esprit : peut-être le conducteur joue-t-il ; a-t-il un problème médical ; a-t-il des problèmes mécaniques ; ou est-il confronté à un problème routier comme une nappe d'huile ? Votre réaction peut varier en fonction de votre interprétation de la cause de ce comportement incertain. Il est essentiel de déterminer si le mouvement est intentionnel ou non. Cette question est au cœur du présent projet de recherche doctorale.

La perception humaine tend à attribuer le mouvement à des sources animées plutôt qu'inanimées, une adaptation évolutive qui soutient l'interaction sociale et une conscience de son environnement (Simion et al 2008, Bardi et al 2011, Pavorel 2023). Les observateurs ne perçoivent pas seulement le mouvement, mais déduisent également l'intentionnalité sous-jacente, la poursuite étant un exemple bien documenté (van Buren et al 2017). Comme la perception de l'animéité permet de distinguer les êtres vivants des objets inanimés, elle est étroitement liée à la capacité de détecter l'intentionnalité d'un mouvement dirigé vers un but, bien que les deux reposent sur des processus cognitifs distincts (Takahashi & Watanabe 2015). On examinera comment les indices environnementaux (obstacles, buts d'actions) façonnent l'intentionnalité perçue, en nous appuyant sur des études montrant que les trajectoires dirigées vers un objectif influencent la perception de l'animéité (Scholl & Tremoulet, 2000) et que les obstacles biaisent la prédiction de l'action vers des trajectoires efficaces (McDonough et al., 2019).

Les mouvements de type marche aléatoire (Random Walk, RDW) sont largement utilisés pour modéliser les déplacements d'organismes vivants et notamment ceux de certains animaux (Plank et al 2025). La présence d'un biais directionnel (par exemple, une dérive dans la RDW) ou la tortuosité d'une trajectoire (le nombre de changements de direction dans un espace ou une durée donnée) constituent des signatures du vivant (Wolf 2024). Nous formulons l'hypothèse que la dérive et la tortuosité accrues dans les marches aléatoires renforceront la perception de l'intentionnalité, en particulier lorsque le mouvement défie la gravité, renforçant ainsi l'impression d'auto-propulsion et d'animéité (Szego & Rutherford 2008, Fischer et al 2020). Cet effet devrait être plus marqué pour les affichages orientés verticalement plutôt qu'horizontalement (Amorim et al 2015).

Les données comportementales seront analysées via des modèles de diffusion de la décision et des approches bayésiennes (Gao et al 2019, Polezhaeva et al 2023, 2024), prolongeant les recherches sur l'influence des paramètres physiques (obstacles, objectifs, gravité) sur la perception de l'intentionnalité en situation d'incertitude (Synakowski et al 2021, Ji et al 2023). Nous développerons un modèle computationnel pour comprendre comment les indices de mouvement et les paramètres physiques guident cette perception face à l'incertitude des trajectoires. Enfin, nous étudierons comment les différences individuelles, telles que les tendances à l'anthropomorphisme (Waytz et al 2010, Cullen et al 2014) et la sensibilité aux coïncidences (Bressan et al 2008, Rominger et al 2024), façonnent ces perceptions. Nos résultats permettront de mieux comprendre comment les individus interprètent le caractère aléatoire d'un objet en déplacement et d'améliorer la prise de décision en contexte d'incertitude.

À la fin de son doctorat, le(la) candidat(e) retenu(e) aura développé des compétences clés en matière de recherche, notamment la conception et la mise en œuvre de protocoles expérimentaux avec des stimuli virtuels, la collecte et l'analyse de données comportementales (psychophysique) et la modélisation des processus décisionnels qui sous-tendent le comportement en situation d'incertitude.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

At night, when you observe a car approaching with an erratic zigzag pattern, several possibilities come to mind: perhaps the driver is playing around, experiencing a medical issue, dealing with mechanical problems, or encountering a road issue like an oil spill. Your response could differ based on how you interpret the cause of this uncertain behavior. It is crucial to determine whether the motion is intentional or unintentional. This question lies at the heart of the present PhD research project.

Human perception tends to attribute motion to animate rather than inanimate sources, an evolutionary adaptation that supports social interaction and environmental awareness (Simion et al., 2008; Bardi et al., 2011; Pavorel 2023). Observers not only perceive movement but also infer underlying intentionality, with chasing being a well-documented example (van Buren et al., 2017). Since animacy perception helps distinguish living beings from inanimate objects, it is closely linked to the ability to detect intentionality of goal-directed motion, though the two rely on distinct cognitive processes (Takahashi & Watanabe, 2015). To examine how environmental cues like obstacles or goals shape perceived intentionality, we will manipulate these factors, building on research showing that goal-directed motion patterns influence animacy perception (Scholl & Tremoulet, 2000) and that obstacles bias action prediction toward efficient trajectories (McDonough et al., 2019).

Random Walk (RDW) motion has long been used to model living organisms and in particular the movements of some animals (Plank et al., 2025). The presence of a directional bias (e.g., a drift in the RDW) or the tortuosity of a path (the number of turns in a given space or time) are signatures (Wolf, 2024) of living things. We hypothesize that higher drift and tortuosity in random walks will increase perceptions of intentionality, especially when motion defies gravity, reinforcing the impression of self-propulsion and animacy (Szego & Rutherford, 2008; Fischer et al., 2020). This effect should be stronger for vertically rather than horizontally oriented displays (Amorim et al., 2015).

Behavioral data, including response times and errors, will be analyzed using diffusion decision models and Bayesian frameworks (Gao et al., 2019; Polezhaeva, Glasauer, & Amorim, 2023, 2024), extending work on how physical parameters (e.g., obstacles, goals, gravity) influence intentionality perception under uncertainty (Synakowski et al., 2021; Ji et al., 2023). Specifically, we aim to develop a computational model to understand how motion cues and physical parameters drive the perception of intentionality, particularly when faced with uncertainty within movement trajectories. Finally, we will explore how individual differences, such as anthropomorphism tendencies (Waytz et al., 2010; Cullen et al., 2014) and sensitivity to coincidences (Bressan et al., 2008; Rominger et al., 2024), shape these perceptions. Our findings will enhance understanding of how people interpret randomness in the motion of a moving object and improve decision-making under uncertainty.

By the end of his/her PhD, the successful candidate will have developed key research skills, including designing and implementing experimental protocols with virtual stimuli, collecting and analyzing behavioral data (psychophysics), and modeling decision-making processes underlying behavior under uncertainty.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2025

Contrats ED : Programme blanc GS-SMFH

Université Paris-Saclay GS Sport, Mouvement, Facteurs Humains

566 Sciences du Sport, de la Motricité et du Mouvement Humain

Master 2 en STAPS, neurosciences comportementales et/ou computationnelles, ou psychologie expérimentale, en relation avec des questions scientifiques portant notamment sur les processus d'anticipation en perception-action, la prise de décision, utilisant des mesures comportementales chez l'humain (par ex., psychophysique et capture du mouvement). Une appétence pour la modélisation cognitive computationnelle sera aussi appréciée.
Master's degree in sport sciences, behavioral and/or computational neuroscience, or experimental psychology, in relation to research questions such as anticipation processes in perception-action, decision-making, using behavioral measures in humans (e.g., psychophysics and motion capture). An appetite for computational cognitive modeling will also be appreciated.