Listener deficits in hypokinetic dysarthria: Which cues are most important in speech segmentation?
Notice bibliographique
Résumé
Listeners use prosodic cues to help them quickly process running speech. In English, listeners effortlessly use strong syllables to help them to find words in the continuous stream of speech produced by neurologically-intact individuals. However, listeners are not always presented with speech under such ideal circumstances. This thesis explores the question of word segmentation of English speech under one of these less ideal conditions; specifically, when the speaker may be impaired in his/her production of strong syllables, as in the case of hypokinetic dysarthria. Further, we attempt to discern which acoustic cue(s) are most degraded in hypokinetic dysarthria and the effect that this degradation has on listeners' segmentation when no additional semantic or pragmatic cues are present. Two individuals with Parkinson's disease, one with a rate disturbance and one with articulatory disruption, along with a typically aging control, were recorded repeating a series of nonsense syllables. Young adult listeners were then presented with recordings from one of these three speakers producing non-words (imprecise consonant articulation, rate disturbance, and control). After familiarization, the listeners were asked to rate the familiarity of the non-words produced by a second typically aging speaker. Results indicated speakers with hypokinetic dysarthria were able to modulate their intensity and duration for stressed and unstressed syllables in a way similar to that of control speakers. In addition, their mean and peak fundamental frequency for both stressed and unstressed syllables were significantly higher than that of the normally aging controls. ANOVA results revealed a marginal main effect of frequency in normal and consonant conditions for word versus nonwords listener ratings.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».