Learnability of ultrasound tongue imaging devices in speech-language pathology
Notice bibliographique
Résumé
Ultrasound tongue imaging has shown potential for speech-language pathologists (SLPs) to evaluate and treat persistent articulatory disorders. However, SLPs typically begin with low to no familiarity with ultrasound. Thus, this study investigated an important aspect of ultrasound device usability: learnability for SLPs. The project was funded by an NSERC Engage grant in partnership with Clarius Mobile Health. 12 SLPs learned to use two ultrasound devices: a wireless device, provided by our partner Clarius, and a traditional device, to record clips of their or the experimenter’s tongue. They then completed a questionnaire [French translation of the System Usability Scale (Brooke, 1996)]. Two expert judges evaluated the clips recorded by the SLPs for the choice of settings and the positioning of the probe. Results of the SUS show a better usability for the wireless device than the traditional device. SLPs appreciated the user-friendly tablet interface, possibly because they are already used to interacting with tablets. Clips analyses show a better choice of settings by the SLPs with the wireless device. The positioning of the probe, however, was better with the traditional device, possibly due to its smaller probe. In conclusion, US seems to have a good potential of usability in speech-language pathology, provided that SLPs receive training for US image interpretation. A traditional US device may require a longer learning period than a wireless model with tablet interface.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».