Pupil dilation is sensitive to semantic ambiguity and acoustic degradation
Notice bibliographique
Résumé
Abstract Speech comprehension is often challenged by background noise or other acoustic interference. It can also be challenged by linguistic factors, such as complex syntax, or the presence of words with more than one meaning. Pupillometry is increasingly recognized as a technique that provides a window onto acoustic challenges, but this work has not been well integrated with an older literature linking pupil dilation to “mental effort”, which would include linguistic challenges. Here, we measured pupil dilation while listeners heard spoken sentences with clear sentence-level meaning that contained words with more than one meaning (“The shell was fired towards the tank”) or matched sentences without ambiguous words (“Her secrets were written in her diary”). This semantic-ambiguity manipulation was crossed with an acoustic manipulation: two levels of a 30-talker babble masker in Experiment 1; and presence or absence of a pink noise masker in Experiment 2. Speech comprehension, indexed by a semantic relatedness task, was high (above 82% correct) in all conditions. Pupils dilated when sentences included semantically ambiguous words compared to matched sentences and when maskers were present compared to absent (Experiment 2) or were more compared to less intense (Experiment 1). The current results reinforce the idea that many different challenges to speech comprehension, that afford different cognitive processes and are met by the brain in different ways, manifest as an increase in pupil dilation.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».