Les neurosciences cognitives du langage, de l'autisme et des styles cognitifs
Bibliographic record
Abstract
La présente thèse reprend trois articles de recherche (deux études et un article de revue) portant sur les neurosciences cognitives du langage, chacun desquels a été écrit en vue d’identifier les bénéfices que la théorie (neuro)linguistique contemporaine pourrait tirer d’une étude exhaustive des processus cognitifs et neuraux sous-tendant les troubles du spectre autistique (TSA) et inversement. Deux études y sont présentées, utilisant la méthode des potentiels évoqués, lesquelles fournissent des preuves préliminaires, chez des individus typiques, de deux aspects de la compréhension de phrases nécessitant une recherche approfondie chez des personnes autistes : (1) Les corrélats neuraux de la nature syntaxique et sémantique particulière des verbes d’expérience (par exemple The girl has feared the storm) contrairement aux verbes d’action (par exemple The kids have eaten the fries) et leur interface potentielle avec la Théorie de l’Esprit – la capacité d’attribuer des états mentaux à soi et à autrui – pour laquelle les personnes autistes semble accuser un retard et/ou un déficit, et (2) les corrélats neuraux des compétences en « imagerie visuelle », telles quelles sont identifiées à l’aide des Matrices de Raven, sur les processus de détection de violations de catégories grammaticales (par exemple He made the meal to enjoy with friends/He made the enjoy to meal with friends) dans un paradigme expérimental “équilibré” et en modalité visuelle. L’article de revue cherche à fournir une perspective plus large du rôle que les neurosciences cognitives des TSA peuvent jouer dans l’étude biologique du langage. L’importance de considérer l’autisme comme un « style cognitif » plutôt qu’un trouble en soi y est défendue, en particulier contre la notion commune d’autisme en tant que déficit de Théorie de l’Esprit. Au delà de leurs perspectives potentielles de recherche future auprès de populations autistes, ces trois articles cherchent à répondre à plusieurs questions de recherche cruciales sur le développement et la compréhension du langage (c’est à dire le débat sur la «P600 sémantique», les théorie d’échantillonnage asymétrique de la perception de la parole et de la musique, le rôle de la vision dans le langage, la modularité, les styles cognitifs et l’inférence Bayesienne).
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.003 | 0.004 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".