MétaCan
Menu
← Retour à la cohorte
Enregistrement W1991121567 · doi:10.1121/1.4781375

Making young ears old and old ears even older: Simulating a loss of synchrony

2006· article· en· W1991121567 sur OpenAlexaff
Ewen MacDonald, M. Kathleen Pichora‐Fuller, Bruce A. Schneider, Willy Wong

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2006
Typearticle
Langueen
DomaineNeuroscience
ThématiqueHearing Loss and Rehabilitation
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésJitterAudiogramAudiologyHearing lossComputer scienceSpeech recognitionMathematicsMedicineTelecommunications

Résumé

récupéré en direct d'OpenAlex

Age-related changes in the auditory system have been attributed to three independent factors: OHC damage, changes in endocochlear potentials, and loss of neural synchrony. In previous studies, a jitter algorithm has been used to simulate the loss of synchrony in young adults (MacDonald et al., 2005). In this study, the effect of jitter on old adults with good audiograms in the speech range is explored. SPIN-R sentences were presented in two SNR and three processing conditions: intact, jitter, and smear. The parameters of the jittering algorithm were the same as those used with young adults. The parameters of smearing algorithm were chosen to match the spectral distortion produced by jitter algorithm. While both the jitter and smear conditions resulted in a significant decline in word identification, the decline was largest in the jitter condition. Psychometric functions were fitted to the data and compared to previous work with young adults. The comparison supports the hypothesis that loss of synchrony can adversely affect speech intelligibility in noise, and is consistent with the hypothesis that loss of synchrony occurs with age. As well, the comparison suggests that the effect of jitter may be linear.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
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 ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,018
Tête enseignante GPT0,282
Écart entre enseignants0,264 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of America→Même sujetHearing Loss and Rehabilitation→Travaux en français237 207→