MétaCan
Menu
Retour à la cohorte
Enregistrement W4205802392 · doi:10.1002/lio2.732

Voice emotion recognition by Mandarin‐speaking pediatric cochlear implant users in Taiwan

2022· article· en· W4205802392 sur OpenAlexaff
Yung‐Song Lin, Che‐Ming Wu, Charles J. Limb, Hui‐Ping Lu, I‐Jung Feng, Shu‐Chen Peng, Mickael L. D. Deroche, Monita Chatterjee

Notice bibliographique

RevueLaryngoscope Investigative Otolaryngology · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueHearing Loss and Rehabilitation
Établissements canadiensConcordia University
Organismes subventionnairesNational Institute on Deafness and Other Communication DisordersNational Institutes of Health
Mots-clésMandarin ChineseAudiologyCochlear implantPsychologySpeech recognitionMedicineLinguisticsComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract Objectives To explore the effects of obligatory lexical tone learning on speech emotion recognition and the cross‐culture differences between United States and Taiwan for speech emotion understanding in children with cochlear implant. Methods This cohort study enrolled 60 cochlear‐implanted (cCI) Mandarin‐speaking, school‐aged children who underwent cochlear implantation before 5 years of age and 53 normal‐hearing children (cNH) in Taiwan. The emotion recognition and the sensitivity of fundamental frequency ( F 0) changes for those school‐aged cNH and cCI (6–17 years old) were examined in a tertiary referred center. Results The mean emotion recognition score of the cNH group was significantly better than the cCI. Female speakers' vocal emotions are more easily to be recognized than male speakers' emotion. There was a significant effect of age at test on voice recognition performance. The average score of cCI with full‐spectrum speech was close to the average score of cNH with eight‐channel narrowband vocoder speech. The average performance of voice emotion recognition across speakers for cCI could be predicted by their sensitivity to changes in F 0. Conclusions Better pitch discrimination ability comes with better voice emotion recognition for Mandarin‐speaking cCI. Besides the F 0 cues, cCI are likely to adapt their voice emotion recognition by relying more on secondary cues such as intensity and duration. Although cross‐culture differences exist for the acoustic features of voice emotion, Mandarin‐speaking cCI and their English‐speaking cCI peer expressed a positive effect for age at test on emotion recognition, suggesting the learning effect and brain plasticity. Therefore, further device/processor development to improve presentation of pitch information and more rehabilitative efforts are needed to improve the transmission and perception of voice emotion in Mandarin. Level of evidence 3.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,709
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,268
Écart entre enseignants0,234 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
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

Citations30
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLaryngoscope Investigative OtolaryngologyMême sujetHearing Loss and RehabilitationTravaux en français237 207