Predictive language comprehension in Parkinson’s disease
Notice bibliographique
Résumé
Language impairment in Parkinson’s disease (PD) may be attributable to motor and action/event knowledge deficits. We predicted that cognitively intact PD participants would be impaired in anticipating objects in sentences from event-based thematic fit information. Twenty-four PD and 24 healthy age-matched participants completed comprehensive neuropsychological assessments. We recorded participants’ eye movements as they heard predictive (The fisherman rocks the boat) and non-predictive baseline sentences (Look at the bathtub). Predictive sentences contained target, agent-related, verb-related, and unrelated images. Baseline sentences used phonologically and semantically unrelated distractors. We tested effects of group (PD/control) on gaze using growth curve models. There were no significant differences between PD and control participants in either sentence type, suggesting that PD participants successfully and rapidly use combinatory thematic fit information to predict upcoming language. Additionally, we conducted an exploratory analysis contrasting PD and controls’ performance on low motion content versus high motion content verbs. This analysis revealed fewer predictive fixations in high-motion sentences only for healthy older adults, suggesting that people with Parkinson’s disease may adapt to their disease by relying on spared, non-action-simulation-based language prediction and processing mechanisms. Given that multiple studies have shown that individuals with PD have difficulty processing verbs, it is highly surprising that they match healthy adults in their ability to use verb meaning to predict upcoming nouns.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».