The word length effect in virtual hemianopia, real hemianopia, and alexia
Notice bibliographique
Résumé
Background: A characteristic feature of pure alexia is the word-length effect, in which reading speed increases with increasing word length. However, many alexic patients also have right hemianopia, which can itself can cause a hemianopic dyslexia. The degree to which hemianopia causes a word-length effect is therefore an important question. Objective: Our goal was to determine if a word-length effect could be generated under hemianopic conditions in the absence of damage to language processing areas. Method: 13 healthy adults read single words of 3 to 9 letters in length while eye movements were monitored with full-field viewing and then with gaze-contingent displays simulating right or left hemianopia. We also studied 6 patients with reading problems: two had hemianopic dyslexia without fusiform lesions, four had fusiform lesions causing alexia, two of which had associated hemianopia while two had full visual fields. Results: In healthy subjects, there was a small word-length effect with full-field viewing of 14ms/letter, which more than doubled to 37 ms/letter for right and 31ms/letter for left hemianopia. The upper 95% prediction limit was 51 ms/letter for full-field viewing and 160 ms/letter for right hemianopia. These results were corroborated by our patient sample. Our two patients with hemianopic dyslexia fell within the virtual hemianopic range (18.9, 95.1 ms/letter), while the two patients with fusiform lesions causing alexia and hemianopia had word-length effects well beyond this range (1536, 16500 ms/letter). The subjects with alexia without hemianopia had modest word-length effects that were abnormal compared to full-field viewing (53, 182 ms/letter). Conclusions: Hemianopic simulations show a small word-length effect of up to 160 ms/letter. Given that word-length effects of similar magnitude can be seen in alexia without hemianopia, in patients with hemifield loss in the central 5°, word-length effects should be larger before concluding that there is an additional component of alexia.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».