MétaCan
Menu
Retour à la cohorte
Enregistrement W1986317666 · doi:10.1044/1092-4388(2012/12-0200)

A Biomechanical Modeling Study of the Effects of the Orbicularis Oris Muscle and Jaw Posture on Lip Shape

2013· article· en· W1986317666 sur OpenAlexaff
Ian Stavness, Mohammad Ali Nazari, Pascal Perrier, Didier Démolin, Yohan Payan

Notice bibliographique

RevueJournal of Speech Language and Hearing Research · 2013
Typearticle
Langueen
DomainePsychology
ThématiquePhonetics and Phonology Research
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesAgence Nationale de la Recherche
Mots-clésOrbicularis oris muscleAnatomyFacial musclesOrthodonticsMedicineUpper lip

Résumé

récupéré en direct d'OpenAlex

PURPOSE: The authors' general aim is to use biomechanical models of speech articulators to explore how possible variations in anatomical structure contribute to differences in articulatory strategies and phone systems across human populations. Specifically, they investigated 2 issues: (a) the link between lip muscle anatomy and variability in lip gestures and (b) the constraints of coupled lip/jaw biomechanics on jaw posture in labial sounds. METHOD: The authors used a model coupling the jaw, tongue, and face. First, the influence of the orbicularis oris (OO) anatomical implementation was analyzed by assessing how changes in depth (from epidermis to the skull) and peripheralness (proximity to the lip horn center) affected lip shaping. Second, the capability of the lip/jaw system to generate protrusion and rounding, or labial closure, was evaluated for different jaw heights. RESULTS: Results showed that a peripheral and moderately deep OO implementation is most appropriate for protrusion and rounding; a superficial implementation facilitates closure; protrusion and rounding require a high jaw position; and closure is achievable for various jaw heights. CONCLUSIONS: Models provide objective information regarding possible links between anatomical and speech production variability across humans. Comparisons with experimental data will illustrate how motor control and cultural factors cope with these constraints.

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)0,002
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 enseignants0,900
Score d'incertitude au seuil0,550

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,050
Tête enseignante GPT0,383
Écart entre enseignants0,333 · 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

Citations47
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Speech Language and Hearing ResearchMême sujetPhonetics and Phonology ResearchTravaux en français237 207