Chapitre 5. Comprendre le bégaiement : apport des études comportementales et de l’imagerie cérébrale
Bibliographic record
Abstract
La recherche sur les caractéristiques comportementales et neurologiques du bégaiement développemental a mis en lumière le rôle important des systèmes sensoriels et moteurs dans le déclenchement et le développement de ce trouble de la fluence. Les personnes qui bégaient diffèrent des locuteurs fluents dans la planification et l’exécution de la parole. Les études récentes sur les symptômes du bégaiement et sur l’imagerie cérébrale ont identifié quelques facteurs contributifs à ce handicap. En plus des déficiences d’apprentissage moteur et comportemental, les recherches ont montré des caractéristiques neurologiques structurelles et fonctionnelles anormales chez les enfants et les adultes qui bégaient dans le réseau cortical et sous-cortical impliqué dans la planification et l’exécution sensori-motrice. On trouve ces différences dans la substance grise corticale et sous-corticale et dans les réseaux de substance blanche responsables de communications intra- et inter-corticales. En outre, on a la preuve que des lésions et des déficiences dans ce réseau neuronal peuvent induire un développement du bégaiement neurogène (acquis) chez des adultes normalement fluents.Dans ce chapitre, nous passons en revue les recherches actuelles sur les bégaiements développemental et acquis, en ciblant celles qui portent sur les systèmes sensoriel et moteur sous-jacents à la planification et à la production de la parole, et nous proposons une conception multifactorielle du début et du développement du bégaiement. Nous dégageons aussi quelques implications cliniques des découvertes de la recherche actuelle.
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 | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.019 | 0.003 |
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".