Prédictions dans le domaine auditif : études électrophysiologiques
Bibliographic record
Abstract
Le but de cette thèse était d’étudier les processus de prédiction dans le domaine auditif et de l’activité cérébrale associée à ces prédictions. L’électroencéphalographie a été utilisée afin de mesurer l’activité électrique du cerveau, ainsi que la technique de potentiels reliés aux évènements (PRE) qui permet de mesurer l’activité lié à des processus d’intérêt à la milliseconde près. La grande majorité des études existantes s’intéressent aux prédictions de manière indirecte, par l’observation de signaux d’erreur ou de confirmation de prédictions. Contrairement à ces études, nous avons développé des paradigmes novateurs qui permettent de créer un contexte dans lequel un ou plusieurs stimuli permettent de générer des prédictions. Dans une première étude, les résultats démontrent qu’un son qui permet la prédiction de sons subséquents est accompagné d’une augmentation de l’amplitude des composantes de PRE auditives, la N1 et plus particulièrement la P2, aux électrodes frontocentrales. Dans une seconde étude, cette modulation était entrainée par une modification marquée des oscillations entre 4 et 7 Hz, dans la bande de fréquence thêta. Une troisième étude, était focalisé sur l’activité de PRE en lien avec des prédictions d’ordre temporel. En créant des patrons rhythmiques contextuels dans l’expérience, nous avons pu observer qu’un son qui permet d’identifier le patron, et donc d’anticiper la suite, génère une positivité précoce, et ce, même si le patron rhythmique est non-pertinent à l’exécution de la tâche. Ces études sont une démonstration de faisabilité et fondent une base solide pour la poursuite de la recherche sur les processus dynamiques liés à la génération de prédictions.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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".