SCStéphanie Chouteau

Stéphanie Chouteau

*This is an algorithmically generated author record based on publicly available information.

Current Organizations / Institutes

The organizations/institutes from the scholar's latest article

Previous Organizations / Institutes

The organizations / institutes from the scholar's other articles in the past ten years


Stéphanie Chouteau has a total of 4 co-authors. Here are the top co-authors by number of shared publications:


Latest Publications

  • A Computational Model of Basic Addition Solving

    by Stéphanie Chouteau, Karine Mazens, Catherine Thevenot, Benoît Lemaire

    This article presents a computational learning model in which procedural execution and memory retrieval codevelop, using simple arithmetic, which provides a particularly well‐controlled domain for investigating this issue. In single‐digit addition learning, strategies employed initially rely on counting due to the lack of stored answers in memory. Over time, associations between problems and their solutions are strengthened. The model accounts for this learning process by dynamically selecting between counting and memory retrieval, based on their expected duration. It also introduces a mechanism for accelerating counting throuSUPPLEMgh repeated practice along the mental sequence. The model was first tested on data collected from adults learning to solve alphabet arithmetic problems over a 3‐week experiment. It successfully replicated the empirical finding that larger problems are memorized earlier than smaller ones. A second simulation was conducted using data from an experiment manipulating problem structure: participants were trained on either contiguous (A+…, B+…, C+…) or noncontiguous (A+…, C+…, E+…) sequences. This variation affected the transition between strategies: participants in the noncontiguous condition showed a greater tendency to rely on retrieval, as the practice of moving from one letter to the next differed. The model also reproduced this pattern. Overall, the results suggest that no single strategy dominates at the end of learning; rather, counting and retrieval coexist, depending on problem size and structure. This model is, to our knowledge, the only one to incorporate a counting acceleration mechanism in line with the automated counting theory and memory retrieval.

  • Apprentissage de l'addition : comptage ou récupération en mémoire ? Approches expérimentale et computationnelle

    by Stéphanie Rousset Chouteau

    L'addition, l'une des opérations fondamentales de l'arithmétique, constitue une des premières opérations enseignées aux enfants. Parmi les diverses formes d’additions, celles impliquant deux opérandes à un chiffre, comme 5+3, sont omniprésentes dans la vie quotidienne et requièrent souvent des calculs mentaux rapides. A ce jour, les mécanismes cognitifs sous-jacents à la résolution de ces opérations restent mal compris. Deux grands modèles théoriques s’opposent. Les théories associationnistes (Ashcraft, 1982; Campbell & Graham, 1985; Logan, 1988; Siegler & Shrager, 1984) postulent que l'apprentissage conduit à une récupération en mémoire de la réponse. Au début de l'apprentissage, les enfants utilisent une procédure explicite de comptage (par exemple 6...7...8) qui crée une trace mnésique associant le problème à sa solution. Après de nombreuses répétitions, le résultat peut être récupéré directement en mémoire sans nécessiter de calcul. Plus récemment, une théorie propose que l'apprentissage conduit à l'automatisation du comptage pour les plus petites additions (Barrouillet & Thevenot, 2013; Uittenhove et al., 2016; Thevenot & Barrouillet, 2016). Même après une grande expérience, le résultat ne serait pas récupéré en mémoire, mais calculé grâce à une procédure ultra-rapide et inconsciente qui parcourrait la ligne numérique mentale. L'objectif de cette thèse est de contribuer à ce champ de recherche en explorant les mécanismes cognitifs employés grâce à une approche expérimentale et computationnelle. Le volet expérimental vise à déterminer comment les stratégies de comptage et de récupération opèrent durant l’apprentissage de la résolution des additions. Il s'agit également d'examiner si des facteurs comme la magnitude des opérandes et la structure des problèmes peuvent influencer ces stratégies. Le volet expérimental comprend deux études d’apprentissage basées sur des tâches similaires à celles de l’arithmétique alphabétique et menées avec des participants adultes. La première étude explore l'automatisation des additions en comparant deux conditions d'apprentissage, mémorisation et comptage, à l'aide d’additions construites sur une séquence artificielle et montre que le comptage est toujours utilisé par la majorité des participants tandis que d’autres mémorisent les plus grands problèmes. La seconde étude examine l'influence du matériel d'apprentissage, en comparant des additions construites à partir de séquences contiguës et non contiguës, et montre que la structure des séquences affecte également les stratégies utilisées par les participants. Le volet modélisation computationnelle a pour objectif d’expliquer et reproduire les évolutions stratégiques observées entre le comptage et la récupération en mémoire. Une première version du modèle, fondée uniquement sur l'accélération du comptage, ne suffit pas à expliquer pleinement les données expérimentales. Une nouvelle version du modèle, intégrant un mécanisme de compétition dynamique entre le comptage et la récupération en mémoire, a permis de simuler de manière plus précise la transition entre ces deux stratégies en fonction de la taille des problèmes et de leur structure, comme observé dans les expériences. Les résultats des deux approches montrent qu'aucune stratégie unique ne prévaut à la fin de l'apprentissage. Les résultats sont plus nuancés et révèlent que la taille des problèmes ainsi que la structure du matériel influencent le choix des stratégies. De plus, des différences inter-individuelles ont été observées, certains individus privilégiant la récupération en mémoire, tandis que d'autres continuent d'utiliser des procédures de comptage même après une pratique prolongée. Ces observations soulignent l'importance de proposer un modèle flexible pour comprendre les mécanismes d'automatisation des additions basiques.

  • How learning material shapes learning strategies in an alphabet arithmetic task

    by Stéphanie Chouteau, Benoît Lemaire, Catherine Thevenot, Karine Mazens


  • Learning basic arithmetic: A comparison between rote and procedural learning based on an artificial sequence.

    by Stéphanie Chouteau, Benoît Lemaire, Catherine Thevenot, Jasinta Dewi, Karine Mazens

    It is commonly accepted that repeatedly using mental procedures results in a transition to memory retrieval, but the determinant of this process is still unclear. In a 3-week experiment, we compared two different learning situations involving basic additions, one based on counting and the other based on arithmetic fact memorization. Two groups of participants learned to verify additions such as "G + 2 = Q?" built on an artificial sequence (e.g., "XGRQD…"). The first group learned the sequence beforehand and could therefore count to solve the problems, whereas the second group was not aware of the sequence and had to learn the equations by rote. With practice, solution times of both groups reached a plateau, indicating a certain level of automatization. However, a more fine-grained comparison indicated that participants relied on fundamentally different learning mechanisms. In the counting condition, most participants showed a persistent linear effect of the numerical operand on solution times, suggesting that fluency was reached through an acceleration of counting procedures. However, some participants began memorizing the problems involving the largest addends: Their solution times were very similar to those of participants in the rote learning group, suggesting that they resulted from a memory retrieval process. These findings show that repeated mental procedures do not systematically lead to memory retrieval but that fluency can also be reached through the acceleration of these procedures. Moreover, these results challenge associationist models, which cannot currently predict that the process of memorization begins with problems involving the largest addends. (PsycInfo Database Record (c) 2023 APA, all rights reserved).