MétaCan
Menu
Retour à la cohorte
Enregistrement W1937565817

The effect of types of acoustical distortion on lexical access

2008· article· en· W1937565817 sur OpenAlexaffvenue
Marianne Pelletier, Marco Coletta, Renée Giroax, Huiwen Goy, Kathy Pickora-Fuller

Notice bibliographique

RevueCanadian acoustics · 2008
Typearticle
Langueen
DomaineComputer Science
ThématiqueSpeech and dialogue systems
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésDistortion (music)Context (archaeology)SentenceAcousticsSpeech recognitionFacilitationNoise (video)MathematicsComputer sciencePsychologyArtificial intelligencePhysicsTelecommunicationsBandwidth (computing)Image (mathematics)Geology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

A study was carried out to examine the effects of types of acoustical distortion on lexical access. The study aimed to replicate and extend the claims of authors Aydelott and Bates (2004) regarding the effects of acoustical distortion on lexical access. It was expected that for intact sentence contexts, reaction times to target in congruent contexts would be faster compared to reaction times in a neutral context, whereas those in an incongruent context would be slower. Furthermore, if reaction times differ depending on the type of distortion then the pattern suggest how priming may differ in lexical access for different types of distortion. The analysis also revealed that different types of distortion did affect lexical access to different degrees. It concluded that the distortions due to low-pass filtering and signal-to-noise ratio (SNR) produced a release from inhibition and significant decrease, while time compression significantly reduced facilitation and increased inhibition.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,602
Score d'incertitude au seuil0,559

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,016
Tête enseignante GPT0,246
Écart entre enseignants0,230 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian acousticsMême sujetSpeech and dialogue systemsTravaux en français237 207