Evaluation of Electroacoustic Test Signals II: Development and Cross-Validation of Correction Factors
Notice bibliographique
Résumé
In Brief Objective To develop and cross-validate corrections for improving the match between amplified speech levels and frequency response measurements with hearing aids. Design Previously published correction approaches were reviewed. Two regression-based corrections and two nonregression corrections were developed from an existing database of hearing aid responses measured with clinically available test signals and speech (Scollie & Seewald, 2002). Corrections were evaluated on a second database of digital hearing aid responses for test signals and speech. The second data set was constructed specifically to challenge three hypothesized threats to the robustness of the corrections. Results The error for each signal (corrected and uncorrected) was calculated. Correction procedures produced a significant improvement in the match between predicted and measured aided levels of speech. Inclusion of compression-related variables provided small but significant improvements. Results generalized to the second data set. Conclusions Correction procedures may be applied to improve the match between aided test signal levels and aided levels of speech. For hearing aids with nonlinear processing, frequency response verification at different sound intensity levels is necessary. Although speech-weighted test signals tend to provide a more accurate estimate of aided speech levels than pure tones, they still do not provide an exact match to the levels of amplified speech. This mismatch is affected by circuit type and test level. The present study aimed to develop and cross-validate corrections for reducing the mismatch. Two regression-based corrections and two nonregression corrections were developed from an existing database of hearing aid responses measured with clinically available test signals and speech, and then the regressions were evaluated on a second database. Correction procedures produced a significant improvement in the match between predicted and measured aided levels of speech. Inclusion of compression-related variables provided small but significant improvements.
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 | 0,031 | 0,132 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».