Listening effort: The impact of simulated hearing loss on cognitive functions in young \nadults
Notice bibliographique
Résumé
Previous research has suggested that hearing loss significantly impacts cognition in both school-age children and the elderly (e.g. Hicks & Tharpe, 2002; Lin, 2011). This study is the first to report the potential cognitive impacts of simulated, mild hearing loss for a young adult population. The current study investigated the effect of simulated mild, highfrequency hearing loss on performance and effort in a sample of 43 young adults (aged 18- \n23) who claimed to have normal hearing. On a standardized Speech-in-Nosie (SIN) Task, a significant effect of simulated hearing loss was found for both the sentence repetition accuracy, as well as the listening effort necessary to complete the task. Further, to test the \ninteraction of cognitive load and hearing loss on accuracy and effort, participants completed a Memory Task under single- and dual-task conditions. While question response \naccuracy significantly decreased under dual-task conditions, accuracy was not significantly affected across hearing loss conditions. However, task effort was significantly increased in the simulated hearing loss condition. Analysis of order effects also suggested the employment of cognitive strategy, particularly in the SIN Task where the hearing conditions did not facilitate the recruitment of additional cognitive resources. All results are discussed from the standpoint of the Resource Allocation Hypothesis (Rabbitt, 1968). \nOverall, results suggested that mild hearing loss does negatively impact cognition and listening effort in young adults. However, young adults may be largely unable to detect this loss by themselves (Le Prell, Hensley, Campbell, Hall, and Guire., 2011; Widen, Holmes, Johnson, Bohlin and Erlandson., 2009). The Canadian healthcare system is also \nill-equipped to detect such an impairment if it is not diagnosed in early childhood. Future research should place the spotlight on young adults to help remedy these problems.
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 | 0,000 | 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 ».