MétaCan
Menu
Retour à la cohorte
Enregistrement W2902672646

AN ANALYSIS ON REDUCING SPEECH DISORDER OF THE STAMMERING FACED BY PRINCE ALBERT IN “THE KING’S SPEECH’ MOVIE

2013· dissertation· en· W2902672646 sur OpenAlexaboutno aff
Rokib Nur Ibrahim

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomainePsychology
ThématiqueLanguage Acquisition and Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésConversationScreamingPsychologySentenceObject (grammar)Speech disorderLinguisticsComputer scienceCommunicationArtificial intelligence
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Language is a part of human life that without language, people cannot interact each other. They make some conversation, joking etc by using it. So that, they need to have a good speaking, hearing, and understanding while using it. But, sometimes there are some people who have a trouble with their speaking, hearing, or understanding, which make them feel hard to interact with other people, for example like stammer. Stammer is one of speech disorders, which can make people repeat a letter or word of the sentence. It seems like what Prince Albert in The King’s Speech movie who suffered the stammering and tried to reduce it. Therefore, the researcher conducted the research to know some methods used by Prince Albert in reducing his stammer and the result of the methods. This study used descriptive qualitative. The research object of this research was the movie entitled The KingÂ’s Speech. The whole data of this research were taken from dialogues, utterances, and events in the movie. In this study, the writer uses documentation as the instrument of gaining data that he watched the movie many times, so he took some notes from the movie. In The King’s Speech movie, there are 10 methods were found by the researcher, which were used by Prince Albert in reducing his stammer, such as building up the physical organs, which includes loosening jaw, rolling on the ground, and screaming, mental equilibrium, which includes respiration, synchronizing and harmonizing mental and physical actions, which body movement, and some other methods such as listening to music, singing, and pausing. Besides, almost all therapies used by Prince Albert were successful, especially the methods he did with Lionel Logue.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,010
Tête enseignante GPT0,331
Écart entre enseignants0,321 · 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'étudeQualitatif
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

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetLanguage Acquisition and EducationTravaux en français237 207