Ontwikkeling van stotteren: Inleiding tot een praktijkmodel
Notice bibliographique
Résumé
Dit artikel is de inleiding op het direct hierna volgende (Oonk e.a. 2022) waar een nieuw praktijkmodel over het ontstaan en ontwikkeling van stotteren wordt voorgesteld. In de dagelijkse praktijk van vooral Nederlandstalige logopedisten (-stottertherapeuten) is tot nu toe veel gebruik gemaakt van het klinische werkmodel van Bertens (1994; 2017). Dit model gaat uit van een primaire neuromusculaire timingsstoornis, welke zich niet alleen uit in het spreken, maar ook in algemene zin aanwezig is. Dit model echter, is aan revisie toe. Volgens de recente literatuur is de algemene aard van die timingstoornis niet bewezen, en zijn er veel vroegere (meer primaire) factoren aantoonbaar van belang bij het ontstaan van stotteren, met name in de genetica en in de neurologie. In dit artikel wordt deze literatuur kort samengevat, alsmede worden enkele recente modellen omschreven. Met name regulatie en terugkoppeling krijgen in recente modellen meer aandacht. Er is geen volledigheid nagestreefd, maar dit artikel is meer een tutoriale opmaat voor het hierna te presenteren model.
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 | 0,013 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,020 | 0,015 |
| Science ouverte | 0,004 | 0,008 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,061 | 0,017 |
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 ».