Evaluating a Hearing Loop Implementation for Live Orchestral Music
Notice bibliographique
Résumé
OBJECTIVES: Live music creates a sense of connectedness in older adults, which can help alleviate the social isolation frequently associated with hearing loss and aging. However, most hearing-aid (HA) users are dissatisfied with the sound quality of live music and rate sound quality as important to them. Assistive listening systems are frequently independent of a user's HAs and fall short in tailoring to each individual's hearing loss. The present study thus tested whether the use of a hearing loop would improve sound quality during an orchestral concert. DESIGN: Participants with symmetrical moderate-to-severe hearing loss were assigned to use Sonova-provided HAs with a telecoil (n = 20) or their own HAs (n = 8) without a telecoil during a performance by the Hamilton Philharmonic Orchestra. We changed loop input to use one of three feeds every 5 minutes: a mix of microphones from the hall's standard assistive feed on the first balcony (house condition), a mix of microphones located on the stage (stage condition), or no input to the loop (no feed). After each 5-minute interval, we collected sound quality and naturalness ratings for the previous 5 minutes. RESULTS: Sound quality and naturalness ratings were highly related (rRM = 0.81), though each provided unique insight. Repeated measures analysis of variance found significant differences among the loop feed conditions for sound quality and naturalness, with the no feed condition significantly outperforming the house condition on sound quality [ t (18) = -3.73, adj. p = 0.005] and naturalness [ t (18) = -4.15, adj. p = 0.002]. Mixed effects models allowed us to retain the richness of a repeated observation dataset and provided point estimates of the overall quality and naturalness among conditions; however, assumption violations of normality and homoskedasticity prevented further interpretation. CONCLUSIONS: Though HA-integrated assistive listening systems are a promising option for improving live music for people with hearing loss, a hearing loop does not seem to be crucial for orchestral music. Future directions include improving lyric understanding for music with vocals and customizing user experience via Bluetooth Low Energy Audio systems.
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 | 0,000 | 0,000 |
| 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 ».