The perception of frequency modulated sounds in tone and non-tone language speakers: An electroencephalography study
Notice bibliographique
Résumé
Speakers of tone languages acquire expertise in discriminating and identifying frequency modulated auditory signals [Chandrasekaran et al., Brain Res., 1128, 148–156 (2007); Kaan et al., Brain Res. 1148, 113–122 (2007)], as their native language utilizes such acoustic properties to cue lexical differences. How this expertise influences auditory neurophysiological responses to non-speech stimuli, however, remains poorly understood. We tested adult tone and non-tone language speakers in their automatic brain processing of non-speech frequency modulated (FM) tone chirps. Participants were presented with a series of FM tones in a many-to-one oddball mismatch negativity [MMN; Näätänen and Winkler, Psychol. Bull. 125, 826–856 (1999)] paradigm that varied in whether the modulation was concave or convex in nature and whether the difference between the tone chirp onset and offset frequencies was relatively large or small. The results revealed that the tone group produced a larger MMN than the non-tone group. Moreover, tone language participants produced significantly larger negative deflections in the event-related potential than the non-tone participants in response to both deviant types across a large post-stimulus time-window. Consequently, tone language speakers’ expertise in processing frequency cues impacts their neurophysiological responses to non-linguistic stimuli that vary along similar acoustic properties to linguistic stimuli.
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 | 0,000 | 0,001 |
| 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) | 0,002 | 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 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 ».