Listening to speech in noise : Evaluation and training
Notice bibliographique
Résumé
Objective : Examine the contribution of speech tests when measuring the benefits of a speech listening training program in noise. Methods : Children with auditory processing disorders and adults reporting speech listening difficulties in noise were trained to listen to speech stimuli presented in a noisy background during two 30-minute sesssions per week, for nine to thirteen weeks. Pre and post-training measures were done, in part, with speech tests in noise: the French adaptation of the Hearing In Noise Test (Vaillancourt et al., 2008), the Sentence in noise test (Test de phrases dans le bruit – TPB – Lagace et al., 2010) or the Word in noise test (Test de mots dans le bruit – TMB – Lagace, 2010). Results/Conclusion : Results suggest (1) greater tolerance to noise when listening to speech stimuli in noise across the training sessions and (2) that speech tests could be sensitive to changes following the training program in some, but not all individuals who participated into the program. References Lagace, J. (2010). Developpement du test de mots dans le bruit: mesure de l'equivalence des listes et donnees preliminaires sur l'effet d'âge. Canadian Acoustics, 38 , 19-30. Lagace, J., Jutras, B., Giguere, C., & Gagne, J.-P. (2010). Development of the Test de Phrases dans le Bruit (TPB) Elaboration du Test de phrases dans le bruit (TPB). Revue canadienne d’orthophonie et d’audiologie, 34 , 261-270. Vaillancourt, V., Laroche, C., Giguere, C. & Soli S.D. (2008). Establishement of age-specific normative data for the canadian French version of the hearing in noise test for children. Ear & Hearing, 29 , 453-466.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».