MétaCan
Menu
Retour à la cohorte
Enregistrement W2463911114 · doi:10.1080/02643294.2016.1179179

<i>Wh-</i>questions and passive sentences in non-fluent variant PPA and semantic variant PPA: Longitudinal findings of an anagram production task

2016· article· en· W2463911114 sur OpenAlexafffund
Jennifer Cupit, Naida L. Graham, Carol Léonard, David F. Tang‐Wai, Sandra E. Black, Elizabeth Rochon

Notice bibliographique

RevueCognitive Neuropsychology · 2016
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeurobiology of Language and Bilingualism
Établissements canadiensHealth Sciences CentreToronto Western HospitalBaycrest HospitalUniversity of OttawaUniversity of TorontoUniversity Health NetworkSunnybrook Health Science CentreHeart and Stroke FoundationToronto Rehabilitation Institute
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésAnagramPrimary progressive aphasiaPsychologyTask (project management)AphasiaNatural language processingAudiologyCognitive psychologyLinguisticsComputer scienceMedicineFrontotemporal dementiaPhilosophyDisease

Résumé

récupéré en direct d'OpenAlex

Using an anagram task, we investigated longitudinal syntactic production by individuals with semantic variant primary progressive aphasia (svPPA) and non-fluent variant PPA (nfvPPA), compared to controls. The accuracy of the production of active and passive, and reversible and non-reversible sentences, as well as of wh- questions was compared across the three groups. Results showed a different pattern of syntactic impairment across the two patient groups. The nfvPPA group showed difficulty with wh- questions at Time 1 and impairment with the passive structure approximately one year later, at Time 2. Surprisingly, the svPPA group also showed difficulty with wh- questions from Time 1, but still no difficulty on passive sentences, two years later, at Time 3. Neither group had difficulty with reversibility. The results of the nfvPPA patients were as expected, and the results of the svPPA patients suggest that this group may exhibit a greater syntactic impairment than is typically recognized.

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)0,005
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,021
Tête enseignante GPT0,301
Écart entre enseignants0,280 · 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

Citations6
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCognitive NeuropsychologyMême sujetNeurobiology of Language and BilingualismTravaux en français237 207