MétaCan
Menu
Retour à la cohorte
Enregistrement W4231747731 · doi:10.1121/1.4799429

Advantage of talker differences and spatial separation for speech-on-speech listening in younger and older adults with good audiograms

2013· article· en· W4231747731 sur OpenAlexfundno aff
Jana Besser, M. Kathleen Pichora‐Fuller, Joost Μ. Festen

Notice bibliographique

RevueProceedings of meetings on acoustics · 2013
Typearticle
Langueen
DomaineNeuroscience
ThématiqueHearing Loss and Rehabilitation
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAudiogramActive listeningAudiologyCognitionPsychologySpeech recognitionSeparation (statistics)Test (biology)Computer scienceCommunicationHearing lossMathematicsMedicineStatistics

Résumé

récupéré en direct d'OpenAlex

Older adults have more difficulty than younger adults understanding speech when there is competing speech, even if they have good audiograms. Age-related differences in listening may be due to declines in auditory temporal processing and/or cognition. We administered the LiSN-S (Cameron et al., 2011) to measure speech reception thresholds (SRTs) in younger and older adults with good audiograms. There were four test conditions, in which the target and competing speech were presented with the same or different voices at the same or different locations. Compared to younger listeners, older listeners obtained worse SRTs in all test conditions and they realized less advantage from talker differences and spatial separation between the target and competing speech. For both groups, the results obtained in the four test conditions were strongly associated with each other. We also assessed cognitive abilities and auditory temporal processing in the older adults. LiSN-S results in this group were strongly associated with measures of cognition, as well as pure-tone averages (PTA) for 9 and 10 kHz, but not PTAs for frequencies in the standard audiometric range or measures of temporal processing (tapping the use of fine structure and gap cues).

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

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
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,010
Tête enseignante GPT0,254
Écart entre enseignants0,244 · 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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of meetings on acousticsMême sujetHearing Loss and RehabilitationTravaux en français237 207