MétaCan
Menu
Retour à la cohorte
Enregistrement W4229460108 · doi:10.1121/10.0010671

Speed of velum movement during nasal segments and rest intervals: A cineradiographic study of French and English speech

2022· article· en· W4229460108 sur OpenAlexaffabout
Jahurul Islam, Gillian de Boer, Bryan Gick

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCleft Lip and Palate Research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésClosing (real estate)Rest (music)Movement (music)AcousticsComputer scienceSpeech recognitionMathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

While opening/closing of the velopharyngeal port (VPP) in speech has been much studied, the speed of these movements has been largely overlooked. The present study compares opening/closing velocities of the VPP in French and English, testing relation to distance traveled and speech-related versus physiological movements. Running speech samples from nine Quebecois French speakers and four Canadian English speakers were obtained from the Université Laval X-ray videofluorography database [Munhall et al., J. Acoust. Soc. Am., 98(2), 1222–1224 (1995)]. Using ImageJ software, we tracked VPP opening/closing movements during two types of events: phonologically nasal segments and rest intervals between chunks of speech. We calculated velocity of VPP opening/closing during these events and analyzed the data using linear mixed-effects models to identify differences between the nasals and rest intervals as well as for any cross-linguistic differences. Results indicated that: (1) VPP closure was faster following English nasals than French nasals; (2) VPP opening was faster than closure for rest intervals in French; and (3) VPP opening/closing speeds were faster coming into/out of rest position than into/out of nasals in French. Preliminary cross-language observations support a correspondence between velocity and distance. [Work supported by NIH and NSERC.]

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,060
Score d'incertitude au seuil0,119

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,011
Tête enseignante GPT0,262
Écart entre enseignants0,251 · 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'étudeObservationnel
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

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of AmericaMême sujetCleft Lip and Palate ResearchTravaux en français237 207