Notice bibliographique
Résumé
No AccessPerspectives on Fluency and Fluency DisordersArticle1 Aug 2007Defining and Measuring Normal Fluency Patrick Finn Patrick Finn University of ArizonaTucson, AZ Google Scholar More articles by this author https://doi.org/10.1044/ffd17.2.14 SectionsAboutFull TextPDF ToolsAdd to favoritesDownload CitationTrack Citations ShareFacebookTwitterLinked In References Adams, M. R. (1982). Fluency, non-fluency, and stuttering in children.Journal of Fluency Disorders, 7, 171–185. Google Scholar Brown, R. (1973). A first language: the early stages.Cambridge, MA: Harvard University Press. Google Scholar Chambers, F. (1997). What do we mean by fluency? System. 25, 535–544. Google Scholar Finn, P. (1997). Adults recovered from stuttering without formal treatment: Perceptual assessment of speech normalcy.Journal of Speech, Language and Hearing Research, 40, 821–831. LinkGoogle Scholar Finn, P. (1996). Establishing the validity of recovery from stuttering without treatment.Journal of Speech and Hearing Research, 39, 1171–1181. ASHAWireGoogle Scholar Finn, P., Howard, R., & Kubala, R. (2005). Unassisted recovery from stuttering: Self-perception of current speech behavior, attitudes, and feelings.Journal of Fluency Disorders, 30, 281–305. Google Scholar Finn, P., & Ingham, R. J. (1989). The selection of “fluent” samples in research on stuttering: Conceptual and methodological considerations.Journal of Speech and Hearing Research, 32 , 401–418. LinkGoogle Scholar Finn, P., & Ingham, R. J. (1994). Stutterers’ self-ratings of how natural speech sounds and feels.Journal of Speech and Hearing Research, 37, 326–340. LinkGoogle Scholar Ingham, R. J., & Cordes, A. K. (1997). Selfmeasurement and evaluating treatment efficacy.In R. F. Curlee&G. M. Siegel (Eds.), Nature and treatment of stuttering: New directions (pp. 413–437). San Diego, CA: Singular. Google Scholar Ingham, R. J., Warner, A., Byrd, A., & Cotton, J. (2006). Speech effort measurement and stuttering: Investigating the chorus reading effect.Journal of Speech, Language, and Hearing Research, 49, 660–670. LinkGoogle Scholar Kubala, R. (1998). Spontaneous recovery from stuttering: Analysis of current speaking status from interview data.Unpublished master’s thesis, University of New Mexico, Albuquerque, Nm. Google Scholar Martin, R. R., Haroldson, S. K., & Triden, K. A. (1984). Stuttering and speech naturalness.Journal of Speech and Hearing Disorders, 49, 53–58. LinkGoogle Scholar Perkins, W. H. (1971). Speech pathology: An applied behavioral science.St. Louis, MO: C. V. Mosley. Google Scholar Perkins, W. H. (1990). What is stuttering?.Journal of Speech and Hearing Disorders, 55, 370–382. LinkGoogle Scholar Smit, A. B., Hand, L., Freilinger, J. J., Bernthal, J. E., & Bird, A. (1990). The Iowa Articulation Norms Project and its Nebraska replication.Journal of Speech and Hearing Disorders, 55 , 779–798. LinkGoogle Scholar Starkweather, C. W. (1987). Fluency and stuttering.Englewood Cliffs, NJ: Prentice Hall. Google Scholar Wingate, M. E. (1984). Fluency, dis-flu-ency, dysfluency, and stuttering.Journal of Fluency Disorders, 17, 163–168. Google Scholar Wood, D. (2001). In search of fluency: What is it and how can we teach it?.The Canadian Modern Language Review, 57, 573–589. Google Scholar Additional Resources FiguresReferencesRelatedDetails Volume 17Issue 2August 2007Pages: 14-17 Get Permissions Add to your Mendeley library History Published in issue: Aug 1, 2007 Metrics Downloaded 51 times Topicsasha-topicsleader-topicsasha-sigsasha-article-typesCopyright & Permissions© 2007 American Speech-Language-Hearing AssociationPDF DownloadLoading ...
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,009 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,004 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».