Optimal testing situations for the automated analysis of cognitive components in natural language : a systematic literature review.
Notice bibliographique
Résumé
This review focuses on cognitive components that can be inferred from natural language production in the general and the pathological adult population.Specifically, it targets cognitive functions which are reflected in discourse characteristics.The domain includes studies employing automated or semi-automated methods to assess or model cognitive performance based on spoken language.The review aims to identify testing situations (tasks, contexts, and modalities) that best capture these cognitive components through automated analysis. Rationale for the reviewAdvances in (semi)-automated analysis of speech have enabled the identification of linguistic markers associated with cognitive components.However, current studies rely on highly heterogeneous testing situations, including spontaneous narratives, picture descriptions, interviews, or task-based elicitation, which substantially influence linguistic output and the validity of the cognitive indicators derived from it.The lack of methodological standardization limits comparability across studies and hinders the identification of optimal testing conditions for reliable cognitive assessment through automated language analysis.Moreover, understanding how outcomes from (semi)-automated analysis of PROSPERO International prospective register of systematic reviews speech correspond to those obtained through traditional standardized tests is essential to evaluate the degree of convergence between these two assessment modalities.This comparison is critical to assess the ecological validity and potential clinical utility of automated language analysis.A systematic synthesis is therefore needed to (1) map the testing situations currently used in the literature, (2) evaluate their methodological characteristics, and (3) determine which conditions most effectively reveal cognitive components in natural language production while maintaining consistency with standardized cognitive assessments. Review objectives1. What are the situations used for stimulating spontaneous language ? 2. What are the indicators that reflect cognitive functioning in spontaneous language ? 3. Can softwares detect cognitive markers in language analysis ?Can this detection by the software be automated ? 4. Does cognitive data extraction using software correspond to data obtained from a traditional cognitive assessment ?
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 | 0,016 | 0,077 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,013 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».