MétaCan
Menu
Retour à la cohorte
Enregistrement W3152351611 · doi:10.1080/02687038.2021.1881349

Repeated attempts, phonetic errors, and syllabifications in a case study:Evidence of impaired transfer from phonology to articulatory planning

2021· article· en· W3152351611 sur OpenAlexaff
Dinesh Ramoo, Andrew Olson, Cristina Romani

Notice bibliographique

RevueAphasiology · 2021
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeurobiology of Language and Bilingualism
Établissements canadiensThompson Rivers University
Organismes subventionnairesnon disponible
Mots-clésSyllabic verseAphasiaRepetition (rhetorical device)PsychologyPhonologySpeech recognitionLexical accessCognitive psychologyReading (process)Variety (cybernetics)Computer scienceLinguisticsArtificial intelligenceCognition

Résumé

récupéré en direct d'OpenAlex

Background: In aphasia, impairments affecting stages after lexical access have been subdivided into three types: 1. impairments specifying a sequence of phonemes after lexical access (the reproduction variety of conduction aphasia, CA); 2. impairments holding on to these representations during articulatory planning (the short-term memory (STM) variety of CA); and 3. Impairments specifying integrated articulatory/motor plans for clusters of phonemes (apraxia of speech, AoS). Models of speech production, however, suggest more articulated possibilities (i.e., different subtypes of articulatory impairments).Aims: We investigated the impairment in a person with aphasia whose preliminary assessment revealed mixed speech characteristics, combining features typically used to identify CA – phonological errors across tasks and repeated attempts at the target – with features typically used to identify AoS – phonetic errors and word dysfluencies (phoneme elongations and syllabifications). Our preliminary hypothesis was that there was a difficulty transferring information from an (intact) phonological output buffer to articulatory planning. Slow/noisy transfer would predict dysfluencies, errors selecting motor programs, but also repeated attempts (RA) at revising the output in the face of intact feedback and intact original representations. This hypothesis also predicts effects of position and phonological complexity.Method and Procedure: We tested CS’s word and nonword repetition, word reading, and picture naming. We quantified lexical and non-lexical errors, repeated attempts, phonetic errors, and syllabifications. We assessed effects of word frequency, word length, phoneme position, and syllabic and phonological complexity.Results: CS made similar errors across tasks, consistent with a post-lexical impairment. His RAs most often built up a correct target from fragments and/or previously incorrect attempts, similar to a conduite d’approche. He also produced more errors in later positions, and more repeated attempts on longer words. However, inconsistent with decay from an output buffer, phonological errors did not increase with word length. Finally, frequency mattered, consistent with easier/faster access to simpler/more practiced motor plans.Conclusions: CS’s speech characteristics and anatomical lesion are consistent with transfer limitations between phonology and articulatory planning. However, CS has more difficulties in computing articulatory plans than in selecting and retaining phonological representations, as commonly attributed to CA. CS’s case suggests that different varieties of phonological and articulatory disorders need to be distinguished, beyond a strict dichotomy AoS/CA (e.g., involving transfer limitations and difficulties in computing, selecting, and/or initiating articulatory plans).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: Étude de cas
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0040,004
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,092
Tête enseignante GPT0,351
Écart entre enseignants0,259 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeÉtude de cas
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAphasiologyMême sujetNeurobiology of Language and BilingualismTravaux en français237 207