Delayed Stream Segregation in Older Adults
Notice bibliographique
Résumé
In Brief Objective: To determine whether the time course for the buildup of auditory stream segregation differs between younger and older adults. Design: Word recognition thresholds were determined for the first and last keywords in semantically anomalous but syntactically correct sentences (e.g., “A rose could paint a fish”) when the target sentences were masked by speech-spectrum noise, 3-band vocoded speech, 16-band vocoded speech, intact and colocated speech, and intact and spatially separated speech. A significant reduction in thresholds from the first to the last keyword was interpreted as indicating that stream segregation improved with time. Results: The buildup of stream segregation is slowed for both age groups when the masker is intact, colocated speech. Conclusions: Older adults are more disadvantaged; for them, stream segregation is also slowed even when a speech masker is spatially separated, conveys little meaning (3-band vocoding), and vocal fine structure cues are impoverished but envelope cues remain available (16-band vocoding). Older and younger adults repeated words in nonsense sentences. Speech-spectrum noise was the control masker; there were four comparison two-talker speech maskers (co-located, spatially separated, 3-band and 16-band noise-vocoded). Performance was measured as the 50% correct SNR threshold for sentence-initial and sentence-final keywords. For both age groups, performance improved across keywords when the target and masker were co-located and acoustically similar (intact two-talker speech), but not when the masker was speech-spectrum noise. Unlike younger adults, older adults’ performance also improved with sentence position when the masker was noise-vocoded or spatially separated, indicating age-related slowing in stream segregation in these conditions.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».