Measuring and Training Speech-Language Pathologists’ Orofacial Cueing: A Pilot Demonstration
Notice bibliographique
Résumé
Tactile-kinesthetic-proprioceptive (TKP) input used to facilitate speech motor control is considered an active ingredient within speech motor interventions. Objective metrics identifying skill level differences across speech-language pathologists (S-LP) providing TKP cues are crucial for monitoring treatment delivery fidelity. The study examined three kinematic measures indicating accuracy and consistency of TKP inputs by 3 S-LPs with varying experience levels (S-LP 1: novice; S-LP 2 and S-LP 3: advanced). Confidence interval measures were used to compare the accuracy of jaw movement amplitudes of the vowel /a/ made by a model participant versus S-LPs giving the TKP input. Generalised Orthogonal Procrustes Analysis (GPA) and cyclic Spatial Temporal Index (cSTI) were used to determine movement consistency. Results revealed passive jaw excursions induced by S-LP 2 and 3 to be not statistically significant from the model participant's active jaw movements. cSTI values decreased with advanced level of experience (19.28, 12.14, and 9.33 for S-LP 1, S-LP 2, and S-LP 3, respectively). GPA analyses revealed a similar pattern for S-LPs with more experience demonstrating lower mean RMS values (0.22, 0.03, and 0.11 for S-LP 1, S-LP 2, and S-LP 3, respectively). Findings suggest kinematic measures adapted from the motor control literature can be applied to assess S-LP skill differences in providing TKP cues.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».