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 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 | 0,000 |
| 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 | 0,000 |
| 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 ».