Tongue shape variations in laughter and speech: Exploring movement patterns
Notice bibliographique
Résumé
Laughter is a common non-verbal communicative function of the vocal tract [Krepsz et al., 2024, CognitiveProcessing, 25(1)]. Previous studies using real-time magnetic resonance imaging (rtMRI) of the vocal tract found spontaneous (natural) laughter to be less speech-like compared to volitional (induced) laughter [Belyk & McGettigan, 2022, Phil. Trans. Royal Soc. B, 377(1863)]. Expanding on prior research on laughter production [Belyk & McGettigan, 2022] and ultrasound imaging comparing the production of spoken vowels to trombone notes [Heyne & Derrick, 2019, Frontiers in Psych., 10(2597)], the present study employs ultrasound imaging to analyze tongue shape variations between spontaneous and induced laughter, to ascertain whether laughter draws on the speech movement inventory. Video stimuli were presented to elicit spontaneous laughter, and vowels [i, ɪ, e, ɛ, æ, ʌ, ə, ʊ, u, o, ɔ, ɑ] were produced to compare articulatory postures. Acoustic analyses using Praat [Boersma & Weenink, 2024] and ultrasound data will be presented comparing spontaneous vs. natural laughter and their similarity to vowels in the speech inventory. Induced laughter is predicted to draw on speech-like behaviour, exhibiting similar tongue postures to speech compared to natural laughter. Implications will be discussed regarding similarities and differences in tongue positioning between spontaneous, volitional laughter, and speech.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».