MétaCan
Menu
← Retour à la cohorte
Enregistrement W2022614590 · doi:10.1121/1.4783573

Effect of priming on age-related differences in release from informational masking.

2009· article· en· W2022614590 sur OpenAlexaff
Payam Ezzatian, Liang Li, M. Kathleen Pichora‐Fuller, Bruce A. Schneider

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2009
Typearticle
Langueen
DomaineNeuroscience
ThématiqueHearing Loss and Rehabilitation
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMasking (illustration)SentencePrime (order theory)NonsenseAudiologyPriming (agriculture)Noise (video)Backward maskingPsychologySpeech recognitionMathematicsComputer sciencePerceptionMedicineNatural language processingArtificial intelligenceChemistryNeuroscienceArtBiologyCombinatorics

Résumé

récupéré en direct d'OpenAlex

In a previous study, [Freyman et al. (2004)] showed that presenting listeners with all but the last word of a target nonsense sentence immediately prior to presenting the full sentence in a noisy background, produced a greater release from masking when the masker was two-talker nonsense speech than when it was speech-spectrum noise, thereby demonstrating that an auditory prime could produce a release from informational masking. In Experiment 1 of this study we showed that auditory priming produced an equivalent amount of release from informational masking in good-hearing younger and older adults. To investigate the extent to which this release from informational masking was due to the semantic content of the prime, in Experiment 2 we noise-vocoded the prime (using three bands) to remove semantic content, while retaining the prime’s amplitude envelope. This manipulation eliminated any release from informational masking. In Experiment 3, when the speech masker, but not the prime was vocoded, the performance of both age groups improved equivalently. These results indicate that younger and older adults benefit equally from semantic priming, and that both age groups make equivalent use of amplitude fluctuations in a masker in an informational masking paradigm.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,014
Tête enseignante GPT0,264
Écart entre enseignants0,250 · 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'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
Publié2009
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→