Articulation and grasping: On the relationship between speech production and manual movement control in adults
Notice bibliographique
Résumé
Many investigations, particularly in children with speech and language impairments, have highlighted the motor nature of speech. Children with Specific Language Impairment (SLI), for example, show both speech-motor and generalized motor abnormalities (DiDonato Brumbach & Goffman, 2014). The connection between fine motor control and speech functions is likely mediated by brain lateralized networks in the left hemisphere that support both speech production and fine motor control of the right hand (Gonzalez et al., 2014). The goal of this study is to examine the interaction between speech production and motor skills in individuals with different hand preference. Thirty-four undergrad students (15 left-handers) participated in a study in which they were asked to perform a variety of speech and manual tasks. The speech tasks include a picture naming task, a diadochokinetic (DDK) task, and a tongue twister task. The motor tasks involve building a Lego brick model and the Peabody Pegboard Test (Desrosiers etal., 1995). Participants' speech and actions were recorded and the audio and videos were acoustically and perceptually analyzed. Preliminary analysis revealed a positive relationship between people’s Pegboard performance using their right hand and their DDK performance as well as a negative relationship between Lego building time and tongue twister error rate, again only when people using their right hand. The results indicate the complex relationship between speech articulation, fine manual movement control, and handedness.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».