Notice bibliographique
Résumé
Millions of different people talk to each other, and no two people sound exactly the same. Yet, whomever we are listening to, we expect to easily understand what he or she has to say. Somehow, we adjust to each new talker’s voice and hear the “same” speech sounds. Until recently, differences between voices were viewed as a perceptual problem interfering with speech perception. Recent developments, however, have shown that familiar voices can facilitate speech. Speech-perception models can no longer dismiss talkers’ voices merely as carriers for speech, and models currently struggle to understand the relation between vocal identity and the content of speech. The present thesis contributed to this discussion by examining familiar talkers, whose identities have been encoded into listeners’ memories. Chapter 2 studied familiar faces’ and voices’ contribution to audiovisual speech processing, and found that different listeners may focus more strongly on learning either a familiar talker’s face or voice, but will recall what they have learned in response to that talker’s voice, not face. Chapter 3 examined self-speech, and discovered that we do receive a familiar-talker speech-processing advantage from hearing our own recorded voice, but only so far as we can identify self-voice; when voices are obscured by noise, we receive an equivalent advantage for all voices of our own sex. Chapter 4 confirmed a relation between speech familiarity and accurate talker identification. Taken together, the data presented in this thesis support a model of speech perception in which listeners encode talkers’ identities inclusive of both idiosyncratic speech production and vocal qualities and, when processing speech, recall as many of a talker’s identifying characteristics as can be usefully applied to an incoming speech signal. These findings contribute to our understanding of how we utilize talker identity in perceiving speech.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».