Multimodal and Spectral Degradation Effects on Speech and Emotion Recognition in Adults
Notice bibliographique
Résumé
Research has shown that individuals with severe hearing loss demonstrate considerable adaptation to hearing input from their cochlear implants (CIs), especially when implanted at younger ages. Despite these gains, hearing restoration with sensory prostheses does not match that of normal acoustic hearing. Limitations are especially apparent in complex listening situations. CIs retain important timing information, but discard fine pitch details that are informative to voice quality and music. We examined how speech and emotion recognition can be improved for CI listeners by the addition of informative multimodal (auditory and visual) cues. We created conditions that simulate the hearing experiences of CI listeners using a vocoder, which reduced the fine pitch information. In the unimodal auditory condition, hearing adult participants listened to sentence-length vocoded speech created with 4, 8, 16, and 32 bands that contained increasing amounts of spectral (pitch) detail, respectively. In the multimodal condition, the vocoded speech was superimposed to videos of the talker speaking the sentence. Our results show that listeners capitalized on informative visual cues that complemented the acoustic information and improved their speech and emotion recognition accuracies. The multimodal benefit was greater under the most difficult listening conditions; that is, 4 and 8 bands. Our findings also show that the addition of visual information benefited emotion recognition more greatly, where spectral degradation hampered the perception of important prosodic detail that cue emotion in voice. The present findings can be used to inform rehabilitative practices by incorporating informative multimodal cues to improve communication outcomes of CI listeners. Discipline: Psychology Honours Faculty Mentor: Dr. Tara Vongpaisal
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 | 0,003 |
| 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 | 0,001 | 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 ».