MétaCan
Menu
Retour à la cohorte
Enregistrement W2318923700 · doi:10.1068/p7186

Discrimination of Brief Gaps Marked by Two Stimuli: Effects of Sound Length, Repetition, and Rhythmic Grouping

2013· article· en· W2318923700 sur OpenAlexaff
Tsuyoshi Kuroda, Emi Hasuo, Simon Grondin

Notice bibliographique

RevuePerception · 2013
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Music Perception
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésRhythmRepetition (rhetorical device)Sound (geography)CommunicationSpeech recognitionAcousticsAudiologyPsychologyPhysicsComputer scienceMedicineLinguistics

Résumé

récupéré en direct d'OpenAlex

We examined the effects of sound marker length, marker repetition, and rhythmic grouping on auditory gap discrimination. The discrimination ofthe duration of a gap between two markers was impaired by lengthening these markers (from 150 to 262.5 ms). Discrimination was impaired by lengthening the preceding marker relative to lengthening the following marker, while the impairment was not increased when both markers were lengthened compared with when only the preceding marker was lengthened. This indicates that the level of discrimination is not decided by a simple summation of the effects of the preceding and of the following marker's length. Moreover, discrimination of a gap between a short (S) and a long (L) marker and of a gap between a long and a short marker was improved by repeating the presentation of these gaps (ie by repeating the markers alternately as SLSLSL...): both types of discrimination led to near identical performance. Finally, under the repetition condition each type of discrimination was not related to the tendency for each individual to perceive the stimulus sequences as segmented into rhythmic chunks of a short tone followed by a long tone (as [SL][SL][SL]...), or those of a long tone followed by a short tone (as S][LS][LS][L...).

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)0,003
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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,019
Tête enseignante GPT0,273
Écart entre enseignants0,255 · 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

Citations10
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePerceptionMême sujetNeuroscience and Music PerceptionTravaux en français237 207