MétaCan
Menu
Retour à la cohorte
Enregistrement W2133225641 · doi:10.14288/1.0086923

The effects of noise on identification of topic changes in discourse

2009· article· en· W2133225641 sur OpenAlexaff
Glynnis Tidball

Notice bibliographique

RevuecIRcle (University of British Columbia) · 2009
Typearticle
Langueen
DomaineComputer Science
ThématiqueSpeech and dialogue systems
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésActive listeningNoise (video)Identification (biology)Discourse analysisAcousticsBackground noisePsychologySpeech recognitionComputer scienceLinguisticsCommunicationArtificial intelligencePhysicsBiology

Résumé

récupéré en direct d'OpenAlex

The purpose of the present study was to investigate how adverse listening conditions affect the ability of normal-hearing listeners to identify the boundaries between discourse topics, or when "what is being talked about" has changed. Twelve subjects (21 to 35 years) listened to digitized recordings of a single speaker's monologues presented in three background noise conditions (+5, 0 and -5 dB S:N). Subjects were asked to push a button when they thought that a change of topic was about to occur in the monologue. Subject responses were analyzed for the latency of topic boundary identification and the number and location of responses. The role of prosodic cues in the identification of topic boundaries was also evaluated. It was found that as the listening condition became less favourable, listeners were slower to identify topic boundaries, were less certain as to where topic boundaries occurred, and relied more heavily on cues to topic initiation than on cues to topic termination for identification of topic boundaries. It was also shown that as the signal-tonoise ratio decreased, listeners were less able to utilize cues to topic boundary that are present in low amplitude utterances such as pitch range and contour, laryngealization and pre-boundary syllable lengthening, but that listeners relied on the prosodic cue of pause duration to identify topic boundaries equally in all three listening 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,993
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

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

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 Opus0,005
Tête enseignante GPT0,183
Écart entre enseignants0,178 · 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 tête enseignante, 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 revuecIRcle (University of British Columbia)Même sujetSpeech and dialogue systemsTravaux en français237 207