Création d’un matériel en langue franco-française pour une réplication de la thérapie « personalized observation, execution and mental imagery (POEM) » ciblant l’anomie des verbes dans l’aphasie post-AVC et étude de ses effets auprès d’un participant avec aphasie
Notice bibliographique
Résumé
Among the sequelae that can appear following a brain injury, aphasia is an acquired language disorder whose most frequent and persistent symptom is anomia. Despite the central pivotal place of the verb in the sentence, the literature mainly proposes studies targeting the recovery of noun anomia, but very few concern verb anomia. Rooted in the theory of mirror neurons and that of Embodied and Situated Cognition, the study by Durand et al. (2018) proposed a new protocol named POEM (Personalized Observation, Execution and Mental imagery) that targets verb recovery by combining for the first time three sensorimotor strategies: observation and action execution with mental imagery. Since the original material was created and calibrated from Quebec French, our study aimed at replicating the POEM protocol by creating a material adapted to the French language of France. The material was validated with a population of 95 people matched to the French population in terms of gender and age, using a video questionnaire. This calibration allowed us to select a total of 96 videos. We were then able to use this material by proposing POEM therapy to a patient with verb anomia in order to study the behavioral effects. Similar to the study by Durand et al. (2018), analysis of our results showed significant improvements for both treated and untreated items, indicating a generalization phenomenon. We were also able to observe improvements on other levels of processing such as noun and proposition processing. These data are discussed and compared with studies in the current literature. The results of the experimental study, although related to the analyses of the single patient’s results, invite further research on the related behavioral effects with a larger number of participants.
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 | 0,013 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,002 |
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 ».