THE IMPACT OF NOISE AND WORKING MEMORY ON ONLINE PROCESSING OF SPOKEN WORDS: EYETRACKING EVIDENCE
Notice bibliographique
Résumé
Among the complaints of older adults is a difficulty in speech recognition, especially in noisy backgrounds. This difficulty can interfere with maintenance of health and quality of life and can potentially affect the rate of cognitive decline. A central research question in speech recognition in older adults is the extent to which difficulties stem from bottom-up, sensory declines that degrade the speech input, and to what extent they stem from an age-related reduction in working memory. We used eye-tracking as an on-line measure of spoken word recognition. Listeners hear spoken instructions that relate to an object presented in the visual display, while their eye movements are recorded. For example, hearing “touch the candle,” with four objects displayed: candle, candy, dog and bicycle. As the speech signal unfolds, several alternatives are activated in response to phonemic information, i.e., CAND leads to candy and candle. In order to successfully achieve word identification, one has to inhibit phonological alternatives. Using eye-tracking, we tracked, in real-time, as the listener shifts his or her focus between candle and candy. We manipulated working memory load by using the digit pre-load task, where participants have to retain either one (low-load) or four (high-load) spoken digits for the duration of a spoken word recognition trial. We will present three separate studies. The data show that both noise and working memory can delay speech processing. With younger adults, data suggest that the two effects may interact. Preliminary data with older adults will be discussed.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».