MétaCan
Menu
← Retour à la cohorte
Enregistrement W4247901367 · doi:10.1121/1.2935183

The effect of masker type and word-position on word recall and sentence understanding

2008· article· en· W4247901367 sur OpenAlexaff
Payam Ezzatian, Liang Li, M. Kathleen Pichora‐Fuller, Bruce A. Schneider

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2008
Typearticle
Langueen
DomaineNeuroscience
ThématiqueHearing Loss and Rehabilitation
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSpeech recognitionSentenceNonsenseNoise (video)Word (group theory)Masking (illustration)Computer scienceUtteranceRecallAcousticsMathematicsPsychologyArtificial intelligencePhysicsCognitive psychology

Résumé

récupéré en direct d'OpenAlex

Speech understanding is influenced by not only the presence, but also the specific nature of maskers. Noise maskers primarily result in energetic masking, whereas speech maskers create additional interference due to linguistic and acoustic similarities to target speech. The present study examined the influence of different types of maskers and target word position on the immediate recall of words in sentences by normal-hearing younger adults. In Experiment 1, nonsense sentences with 3 keywords (e.g., A "house" should "dash" to the "bowl".) were presented against a background of speech-spectrum noise or two-talker nonsense speech. With the speech masker, accuracy increased with word position in a linear fashion. With the speech-spectrum noise masker, performance was highest for the first word but the same for the second keyword and third keyword. In Experiment 2, when the speech-masker was noise-vocoded to preserve envelope information while disrupting fine structure cues and minimizing semantic content, performance was similar to that found with the speech-spectrum noise masker. The results suggest that the ability to track a target sentence in conditions of informational masking improves as the target utterance unfolds over time.

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)0,013
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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,032
Tête enseignante GPT0,276
Écart entre enseignants0,245 · 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

Citations1
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of America→Même sujetHearing Loss and Rehabilitation→Travaux en français237 207→