The development of the Language-Independent Speech in Noise and Reverberation test (LISiNaR) and evaluation in listeners with English as a second language
Notice bibliographique
Résumé
OBJECTIVE: Create a language-independent, ecologically valid auditory processing assessment and evaluate relative stimuli intelligibility in native and non-native English speakers. DESIGN: The Language-Independent Speech in Noise and Reverberation Test (LISiNaR) targets comprised consonant-vowel (CVCV) pseudo-words. Distractors comprised CVCVCVCV pseudo-words. Stimuli were presented over headphones using an iPad either face-to-face or remotely. Scoring occurred adaptively to establish a participant's speech reception threshold in noise (SRT). The listening environment was simulated using reverberant and anechoic head-related transfer functions. In four test conditions, targets originated from 0°. Distractors originated from either ±90°, ±67.5° and ±45° (spatially separated) or 0° azimuth (co-located). Reverberation impact (RI) was calculated as the difference in SRTs between the anechoic and reverberant conditions and spatial advantage (SA) as the difference between the spatially separated and co-located conditions. STUDY SAMPLE: = 24) and Canadian (25) and non-native English speakers (34). RESULTS: No significant effects of language occurred for the test conditions, RI or SA. A small but significant effect of delivery mode occurred for RI. Reverberation impacted SRT by 5 dB relative to anechoic conditions. CONCLUSION: Performance on LISiNaR is not affected by the native language or accent of groups tested in this study.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».