Pupil responses indicate selection of task-relevant background sounds during a dual continuous listening task
Notice bibliographique
Résumé
Abstract Auditory attention can be voluntarily directed towards a sound source or automatically captured by background sounds, which may be either relevant, such that the listener shifts their attention to them, or irrelevant such that the listener tries to ignore or inhibit them. The ability to switch focus to a relevant sound source while inhibiting an irrelevant one requires attentional control and is crucial for navigating busy auditory scenes. Objective measures of attentional control could be beneficial in clinical contexts, such as fitting hearing aids. In a dual-task paradigm, we investigated whether pupil responses reflect relevance-dependent attentional selectivity. Participants with self-reported normal hearing (N = 21, Age: 27 to 66 years, pure tone average: −4 to +26 dB HL) listened to continuous speech from the front (primary task) while background sounds, consisting of cue names followed immediately by two-digit numbers, were presented from the left and right. The participant was told that one side, either right or left, was relevant and the other, irrelevant. The secondary task involved memorizing and later recognizing numbers from the relevant side. We observed increased pupil responses to sounds from the relevant side compared to the irrelevant side, indicating selectivity. Exploratory analysis showed that participants who exhibited stronger selectivity recognized more numbers correctly. Interestingly, pupil responses did not differ between hits and misses, but a stronger response to stream confusions versus correct rejections was found, suggesting that participants were more challenged by inhibiting irrelevant sounds than shifting attention to relevant sounds. In sum, our findings demonstrate that pupillometry provides valuable insights into attentional control abilities.
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 | 0,000 | 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».