Evaluating the Validity of Gazepoint GP3 HD in Assessing Listening Effort: A Pupillometry Study
Notice bibliographique
Résumé
PURPOSE: Individuals with hearing loss typically experience greater listening effort, which is the additional recruitment of cognitive/mental resources such as attention and memory to understand speech and can be aversive and tiring. Reducing effort is an important goal of the hearing health care industry. Pupillometry is an objective and increasingly popular measure of listening effort, but gold standard measures of pupil size are expensive and unwieldy. The purpose of this study was to compare a low-cost and portable pupillometry device (Gazepoint GP3 HD) to a more traditional gold standard pupillometry tool (EyeLink 1000) for indexing listening effort via pupil size. METHOD: Twenty normal-hearing young adults (age range: 18-23 years) were recruited in this study. Participants' pupil size was measured using the Gazepoint and EyeLink pupillometry devices while listening to Hearing in Noise Test sentences in stationary speech-shaped noise at signal-to-noise ratios (SNRs) ranging from -8 to +8 dB. RESULTS: Participants' word report accuracy increased from approximately 12% to 100% when the SNRs increased from -8 to +8 dB. Peak pupil diameter decreased for both devices and was smaller with the Gazepoint device. Data quality was comparable for the two devices. CONCLUSION: Gazepoint appeared to be an effective pupillometry device that records pupil dilation across a wide range of SNRs, without interfering with the auditory task.
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 | 0,006 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».