MétaCan
Menu
Retour à la cohorte
Enregistrement W4402740213 · doi:10.1177/20592043241279056

Spontaneous Production Rates in Song and Speech

2024· article· en· W4402740213 sur OpenAlexaff
Nicole C. Coleman, Caroline Palmėr, Peter Q. Pfordresher

Notice bibliographique

RevueMusic & Science · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAnimal Vocal Communication and Behavior
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésProduction (economics)Speech productionSound productionAudiologySpeech recognitionCommunicationPsychologyComputer scienceEconomicsMedicineAcousticsPhysics

Résumé

récupéré en direct d'OpenAlex

Many everyday tasks appear to be performed at an optimal rate that differs between individuals but is consistent within individuals. These optimal rates are estimated using a participant's Spontaneous Production Rate (SPR), the rate at which an individual produces sequences of sounds in the absence of external tempo cues. A previous study that measured SPRs in speech and piano production found no association between SPRs across tasks, a result suggesting that domain-specific constraints determine optimal rates. The present study addressed whether this dissociation would remain when music and speech are produced with the same effector system: vocal production. Participants spoke short, well-known phrases and sang familiar children's songs on “da” to avoid memorization of words. SPRs were measured by the mean inter-onset interval (IOI) between successively produced syllables or tones and showed large individual differences. Results showed consistent SPRs within individuals within each domain (speaking or singing) as well as consistent SPRs across the speaking and singing conditions. These results align with theories of optimal rates based on energy efficiency arising from biomechanical constraints rather than domain-specific communication goals.

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)0,009
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 enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,009
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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,028
Tête enseignante GPT0,304
Écart entre enseignants0,276 · 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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMusic & ScienceMême sujetAnimal Vocal Communication and BehaviorTravaux en français237 207