MétaCan
Menu
Retour à la cohorte
Enregistrement W4317105980 · doi:10.18280/jesa.550608

Development of a Prototype Sensory Device as a Substitute for Single Sided Deaf People in Developing Nations

2022· article· en· W4317105980 sur OpenAlexvenueno aff
Adedotun O. Adetunla, Olanrewaju Kolade, Adeyinka M. Adeoye, Saheed Akande

Notice bibliographique

RevueJournal Européen des Systèmes Automatisés · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueHand Gesture Recognition Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSensory systemSensory substitutionDecibelPerceptionHearing lossAudiologySensory lossComputer scienceNeurosciencePsychologyCommunicationMedicine

Résumé

récupéré en direct d'OpenAlex

Hearing loss is the inability to hear sounds ranging from 20 decibels or more in one or both ears. It can affect one or both ears and leads to difficulty in hearing speech or sounds in general. Single-sided deafness or unilateral hearing loss is a very widespread disability. However, most people only see hearing loss as being a binary problem assuming that you either have perfect hearing in both ears or are completely deaf in both ears, and dismiss the other types of hearing loss. Sensory substitution involves remapping the information gathered by one sensory receptor to another. Sensory receptors regardless of the signals they receive or capture, all encode the gathered information as electrochemical signals. This biological property of sensory receptors, coupled with the human brain’s neuroplasticity allows sensory receptors to be substituted, giving rise to new methods of sensory perception. This study aims to develop a sensory device known as a localizer. The localizer detects sound using numerous sound sensors, and feeds the input to the microcontrollers which then use the input to control the eccentric mass motor by implementing various motor drivers. The results gotten from this prototype device shows great improvement in the ability of a single-sided deaf person to localize sound.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,052
Tête enseignante GPT0,289
Écart entre enseignants0,237 · 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'étudeExpérimental (laboratoire)
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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal Européen des Systèmes AutomatisésMême sujetHand Gesture Recognition SystemsTravaux en français237 207