MétaCan
Menu
Retour à la cohorte
Enregistrement W4312694138 · doi:10.3917/mard.piera.2018.01.0059

Chapitre 5. Comprendre le bégaiement : apport des études comportementales et de l’imagerie cérébrale

2018· book-chapter· fr· W4312694138 sur OpenAlexaff
Luc De Nil, Anna Mersov

Notice bibliographique

RevueMardaga eBooks · 2018
Typebook-chapter
Languefr
DomainePsychology
ThématiqueStuttering Research and Treatment
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésHumanitiesGynecologyPolitical sciencePhilosophyMedicine

Résumé

récupéré en direct d'OpenAlex

La recherche sur les caractéristiques comportementales et neurologiques du bégaiement développemental a mis en lumière le rôle important des systèmes sensoriels et moteurs dans le déclenchement et le développement de ce trouble de la fluence. Les personnes qui bégaient diffèrent des locuteurs fluents dans la planification et l’exécution de la parole. Les études récentes sur les symptômes du bégaiement et sur l’imagerie cérébrale ont identifié quelques facteurs contributifs à ce handicap. En plus des déficiences d’apprentissage moteur et comportemental, les recherches ont montré des caractéristiques neurologiques structurelles et fonctionnelles anormales chez les enfants et les adultes qui bégaient dans le réseau cortical et sous-cortical impliqué dans la planification et l’exécution sensori-motrice. On trouve ces différences dans la substance grise corticale et sous-corticale et dans les réseaux de substance blanche responsables de communications intra- et inter-corticales. En outre, on a la preuve que des lésions et des déficiences dans ce réseau neuronal peuvent induire un développement du bégaiement neurogène (acquis) chez des adultes normalement fluents.Dans ce chapitre, nous passons en revue les recherches actuelles sur les bégaiements développemental et acquis, en ciblant celles qui portent sur les systèmes sensoriel et moteur sous-jacents à la planification et à la production de la parole, et nous proposons une conception multifactorielle du début et du développement du bégaiement. Nous dégageons aussi quelques implications cliniques des découvertes de la recherche actuelle.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,089

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0020,003
Communication savante0,0050,003
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0190,003

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 Opus0,086
Tête enseignante GPT0,357
Écart entre enseignants0,271 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMardaga eBooksMême sujetStuttering Research and TreatmentTravaux en français237 207